本文使用的是Python集成运行环境 Anaconda

0.前期准备

安装好Anaconda后,到你的“终端”(Linux, macOS)或者“命令提示符”(Windows)下面,

执行以下命令:

conda install pandas
conda install xlrd

下载完成后,执行

jupyter notebook

进入 jupyter notebook

1.导入excel

1.1 利用pandas中的read_excel()函数读取excel内容

read_excel()函数能够读取的格式包含:xls, xlsx, xlsm, xlsb, odf, ods 和 odt 文件扩展名。支持读取单一sheet或几个sheet。

import pandas as pd
rd=pd.read_excel(r"C:\Users\whw\Desktop\文件名.xlsx","Sheet1",header=0)

结果如下图所示:

 1.2 下面详细了解一下read_excel()函数

read_excel默认参数

def read_excel(io,                  
               #io为必填,文件类对象,即读取文件的路径,其余可选
               sheet_name=0,  
               header=0,
               names=None,
               index_col=None,
               parse_cols=None,
               usecols=None,
               squeeze=False,
               dtype=None,
               engine=None,
               converters=None,
               true_values=None,
               false_values=None,
               skiprows=None,
               nrows=None,
               na_values=None,
               keep_default_na=True,
               na_filter=True,
               verbose=False,
               parse_dates=False,
               date_parser=None,
               thousands=None,
               comment=None,
               skip_footer=0,
               skipfooter=0,
               convert_float=True,
               mangle_dupe_cols=True,
               **kwds)

1.2.1 io

io为文件类对象,一般作为读取文件的路径:

rd=pd.read_excel(r"C:\Users\whw\Desktop\products.xlsx")

1.2.2 sheet_name

该参数为指定读取excel的表格名,两种方式:

(1)直接写入sheet名

rd=pd.read_excel(r"C:\Users\whw\Desktop\products.xlsx","Sheet名",header=0)

(2)参数默认从0开始,即若想读第2张表则将参数改为1即可

rd=pd.read_excel(r"C:\Users\whw\Desktop\products.xlsx",sheet_name=0,header=0)

1.2.3 header

该参数为指定列表中从第几行作为列索引/列名(默认为值为0)

1.2.4 names

此参数接收一个数组,将列名重定义赋值:

excel=pd.read_excel("products.xlsx",names=['ID','Name','1','2','3'])

1.2.5 index_col

此参数为指定从第几列开始索引(即将第几列选择为第一列进行索引),默认为0(0基)

1.2.6 usecols

该参数为返回指定的列,

usecols="A,C:E"  #返回excel中的A列,C到E列,也可以传入列表usecols=[0,2],或者usecols=[“ID”,"name"]这种形式

excel=pd.read_excel(r"r"C:\Users\whw\Desktop\文件名.xlsx",usecols="A,C:D")

1.2.7 parse_cols

指定需要解析的字段,自0.21.0版后不推荐使用:改为使用usecols。

1.2.8 squeeze

若待处理的excel数据仅有一列时,此时设定为True将转换为Series

1.2.9 dtype

指定读取列的数据类型,可接收字典。

1.2.10 engine

该参数为指定Excel处理引擎

可以接受的参数有“ xlrd”,“ openpyxl”或“ odf”,用于使用第三方的库去解析excel文件。

  • engine=xlrd 支持较旧格式(.xls)
  • engine=openpyxl 支持较新的格式
  • engine=odf 支持OpenDocument电子文档 (.odf, .ods, .odt)
  • engine=pyxlsb 支持二进制表格 (.xlsb)
  • engine = None 自动根据格式选择 默认。
  • 注: 可以考虑用xlrd读取,用openpyxl写入。但是xlrd对.xlsx文件的支持不太好,可能还需要用老版本才行。
excel=pd.read_excel(r"r"C:\Users\whw\Desktop\文件名.xlsx",engine='xlrd')

1.2.11 converters

指定列数据类型转换函数,包括了dtype的功能,也可以对某一列使用Lambda函数,进行某种运算

1.2.12 nrows

指定需要读取前多少行,通常用于较大的数据文件中。

1.2.13 date_parser

处理日期类数据,可以将日期类字段组合成日期格式。

parse_dates={"日期" : [0,1,2]}      #{ "新列名" : [指定列/字段] }

Logo

大数据从业者之家,一起探索大数据的无限可能!

更多推荐