通过Pandas库可以从多种格式的数据文件中读取数据，也可以将处理后的数据写入到这些文件中。pandas库中的pd.read_excel()相较之前的xlrd库的读表操作更加简单，针对一般批量的数据处理选择pandas库操作是不错的选择。
一、读取Excel文件的函数
- 读取函数为：pd.read_excel()，函数的一些参数为：
pd.read_excel(io, sheet_name=0,header=0,skiprows=None,index_col=None,names=None,
arse_cols=None,date_parser=None,na_values=None,thousands=None,
convert_float=True,has_index_names=None,converters=None,dtype=None,
true_values=None,false_values=None,engine=None,squeeze=False,**kwds)
二、读取函数的相关参数
io
- io指的是要读取的excel 文件存储路径.
- 可以是绝对路径，也可以是相对路径。
sheet_name
- sheet_name：sheet_name默认为0，即返回第一个工作表，返回多表使用sheet_name=[0,1]或sheet_name=["工作表1","工作表2"]，若sheet_name= None是返回所有工作表 。
- 注意：int/string返回的是DataFrame，而None和list返回的是dict of DataFrame。
- 案例：
import pandas as pd
pd.read_excel("要打开的EXCEL文件.xlsx",
sheet_name = 1) # 读取EXCEL工作簿中的第二个工作表
pd.read_excel("要打开的EXCEL文件.xlsx",
sheet_name = “二月”) # 读取EXCEL工作簿中的工作表名为‘二月’的工作表
pd.read_excel("要打开的EXCEL文件.xlsx",
sheet_name =None ) # 读取EXCEL工作簿中的所有工作表，是一个表格的字典。
df_dict = pd.read_excel("要打开的EXCEL文件.xlsx",
sheet_name = [1,“二月”]) #读取EXCEL工作簿中的第二个工作表和表名为‘二月’的工作表
print(df_dict[1])
print(df_dict["二月"])
header
- header ：指定作为列索引的行（即通常说的标题行），默认0，即取第一行，数据为列名行以下的数据；若数据不含标题行，则设定 header = None；
index_col
- index_col：指定作为行索引的列。
usecols
- usecols：指定只使用哪些列
-- None：全部（默认）
-- str：如：usecols = 'A,C:F' # 这里的A,C,F指的是EXCEL表中的A列等。
-- int-list：如：usecols = [0,2]
-- str-list：如：usecols = ['姓名','成绩']
-- lambda函数：如：lambda x: x == "姓名" - 建议使用str-list 方法。因为当EXCEL表结构发生变化时，易于代码维护。
skiprows
-
skiprows：省略指定行数的数据
示例图片
import pandas as pd
pd.read_excel("要打开的EXCEL文件.xlsx",
skiprows = [0,2] ) # 跳过索引为0和2的两行，用列表形式表达。
names
names：指定使用的标题行列名列表，如果表格不包含标题行，则应显式传递header = None
dtype
dtype：是一个字典，表示方法{‘列名’:'类型'}，用来设置列的数据类型。
- int8/int16/int32/int64(默认)： 整型
- float16/float32/float64(默认)：浮点型
- str/string： 字符串
- bool： 布尔型
- categort： 分类
- datetime64[ns]： 时间戳（纳秒）
- period[Y/M/D]： 时间周期（年/月/日）
- object： python对象混合类型
# 类型的查看
import pandas as pd
df = pd.read_excel("要打开的EXCEL文件.xlsx")
df.dtypes # 查看读出数据的数据类型
在这里会发现，字符型数据被识别为 object 类型。需要注意的是不能把int64类型直接转化为str类型，这时可用下列代码进行转换：
df['列名'] = df['列名'].astype('string')
parse_dates
parse_dates：将表中的日期数据转化为日期类型，例如：
未转换前识别出的数据类型
转换后识别出的数据类型
在这里就用到了一个转换，代码如下：
parse_dates = [0,1,2,3,4,5,6] # 将列索引为0，1，2，3，4，5，6列中的数据转换为日期类型
将多列数据拼接成一个日期格式类型，例如：
年月日分开的数据表
转换代码：
import pandas as pd
df = pd.read_excel("要打开的EXCEL文件.xlsx",parse_dates = [[0, 1, 2]])
以上代码中，不使用索引，使用列名也是可以的，即：
import pandas as pd
df = pd.read_excel("要打开的EXCEL文件.xlsx",parse_dates = [['年', '月', '日']])
还可以使用字典的形式，指定合并后列名，即：
import pandas as pd
df = pd.read_excel("要打开的EXCEL文件.xlsx",parse_dates = {'日期': ['年', '月', '日']})
date_parser
date_parse须与parse_dates配合使用，可将形如以下格式的数据转换为日期格式：
中文格式日期
转换代码如下：
import pandas as pd
df = pd.read_excel(
"要打开的EXCEL文件.xlsx",
parse_dates = [0],
date_parser = lambda x: pd.to_datetime(
x,format = '%Y年%m月%d日'
)
) # 这里的 parse_dates = [0]，用来指定要转换的列
na_values
na_values：识别为NaN（缺失值）的其他字符串。
- NaN意为 Not a Number <float>
- na_values基本用法：
-- na_values = 0
-- na_values = '空值'
-- na_values = ['空值',0]
-- na_values = {'列名': ['空值',0] }
小坑：如果单元格里有空格，读取后不会显示 NaN。
将单元格中的0替换为NaN
import pandas as pd
df = pd.read_excel(
"要打开的EXCEL文件.xlsx",
na_values = 0
)
将单元格中的字符串 ‘a' 替换为NaN
import pandas as pd
df = pd.read_excel(
"要打开的EXCEL文件.xlsx",
na_values = 'a'
)
用列表形式传入，将单元格中的指定值替换为NaN ，如：将单元格中的字符串’a‘,0和空格替换为 NaN
import pandas as pd
df = pd.read_excel(
"要打开的EXCEL文件.xlsx",
na_values = [ 'a',0,' ']
)
用字典形式传入，将指定列单元格中的指定值替换为NaN，如：
import pandas as pd
df = pd.read_excel(
"要打开的EXCEL文件.xlsx",
na_values = {'列名',[ 'a',0,' ']}
converters
converters：是一个值转换函数，默认为None，传入值为一个字典。如：
有格式符号的单元格值
要去掉这些空格符号，就可使用converters进行转换：
import pandas as pd
df = pd.read_excel(
"要打开的EXCEL文件.xlsx",
converters ={
'货号': lambda x: x.strip()
}
)
# 也可不用lambda函数：
import pandas as pd
df = pd.read_excel(
"要打开的EXCEL文件.xlsx",
converters ={
'货号': str.strip
}
)
也可以用它来进行一些简单的计算，如：将所有的销量值都加上5
import pandas as pd
df = pd.read_excel(
"要打开的EXCEL文件.xlsx",
converters ={
'销量': lambda x: x + 5
}
)
今天就整理到这里，还有些参数比较简单。不笔记了。
网友评论