pandas read_excel操作

读取excel文件参数整理与实例

除了使用xlrd库或者xlwt库进行对excel表格的操作读与写，pandas库同样支持excel的操作；且pandas操作更加简介方便。

首先是pd.read_excel的参数：

函数为：

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)

表格数据： 

常用参数解析：

• io ：excel 路径；

  import pandas as pd
  
  #定义路径IO
  IO = "C:\Users\lifeng0520\Documents\example.xls"
  #读取excel文件
  sheet = pd.read_excel(io=IO).ffill()
  #此处由于sheetname默认是0，所以返回第一个表
  #f 是 forward 的意思。ffill 意思是："拿前面的值填充后面的空值"
  
  print(sheet)
  
  out:
     姓名  年龄        出生日  爱好  关系
  0  小王  23 1991-10-02  足球  朋友
  1  小丽  23 1992-11-02  篮球  朋友
  2  小黑  25 1991-10-18  游泳  同学
  3  小白  21 1989-09-09  游戏  同学
  4  小红  25 1990-08-07  看剧  同学
  5  小米  24 1991-12-12  足球  同学
  6  大锤  26 1988-09-09  看剧  个人

• sheet_name：默认是sheet_name为0，返回多表使用sheet_name=[0,1]，若sheet_name=None是返回全表 。注意：int/string返回的是dataframe，而none和list返回的是dict of dataframe。

  In [7]: sheet = pd.read_excel('example.xls',sheet_name= [0,1])
  #参数为None时，返回全部的表格，是一个表格的字典；
  #当参数为list = [0，1，2，3]此类时，返回的多表格同样是字典
  In [8]: sheet
  Out[8]:
  {0:    姓名  年龄        出生日  爱好   关系
   0  小王  23 1991-10-02  足球   朋友
   1  小丽  23 1992-11-02  篮球  NaN
   2  小黑  25 1991-10-18  游泳   同学
   3  小白  21 1989-09-09  游戏  NaN
   4  小红  25 1990-08-07  看剧  NaN
   5  小米  24 1991-12-12  足球  NaN
   6  大锤  26 1988-09-09  看剧   个人, 1:    1  3  5  学生
   0  2  3  4  老师
   1  4  1  9  教授}
  #value是一个多位数组
  In [15]: sheet[0].values
  Out[15]:
  array([['小王', 23, Timestamp('1991-10-02 00:00:00'), '足球', '朋友'],
         ['小丽', 23, Timestamp('1992-11-02 00:00:00'), '篮球', nan],
         ['小黑', 25, Timestamp('1991-10-18 00:00:00'), '游泳', '同学'],
         ['小白', 21, Timestamp('1989-09-09 00:00:00'), '游戏', nan],
         ['小红', 25, Timestamp('1990-08-07 00:00:00'), '看剧', nan],
         ['小米', 24, Timestamp('1991-12-12 00:00:00'), '足球', nan],
         ['大锤', 26, Timestamp('1988-09-09 00:00:00'), '看剧', '个人']], dtype=object)
  
  #同样可以根据表头名称或者表的位置读取该表的数据
  #通过表名
  In [17]: sheet = pd.read_excel('example.xls',sheet_name= 'Sheet2')
  In [18]: sheet
  Out[18]:
     1  3  5  学生
  0  2  3  4  老师
  1  4  1  9  教授
  
  #通过表的位置
  In [19]: sheet = pd.read_excel('example.xls',sheet_name= 1)
  
  In [20]: sheet
  Out[20]:
     1  3  5  学生
  0  2  3  4  老师
  1  4  1  9  教授

• header ：指定作为列名的行，默认0，即取第一行，数据为列名行以下的数据；若数据不含列名，则设定 header = None；

  #数据不含作为列名的行
  In [21]: sheet = pd.read_excel('example.xls',sheet_name= 1,header = None)
  In [22]: sheet
  Out[22]:
     0  1  2   3
  0  1  3  5  学生
  1  2  3  4  老师
  2  4  1  9  教授
  #默认第一行数据作为列名
  In [23]: sheet = pd.read_excel('example.xls',sheet_name= 1,header =0)
  In [24]: sheet
  Out[24]:
     1  3  5  学生
  0  2  3  4  老师
  1  4  1  9  教授

• skiprows：省略指定行数的数据

  In [25]: sheet = pd.read_excel('example.xls',sheet_name= 1,header = None,skiprows= 1)
  #略去1行的数据，自上而下的开始略去数据的行
  In [26]: sheet
  Out[26]:
     0  1  2   3
  0  2  3  4  老师
  1  4  1  9  教授

• skip_footer：省略从尾部数的行数据

  In [27]: sheet = pd.read_excel('example.xls',sheet_name= 1,header = None,skip_footer= 1)
  #从尾部开始略去行的数据
  In [28]: sheet
  Out[28]:
     0  1  2   3
  0  1  3  5  学生
  1  2  3  4  老师

• index_col ：指定列为索引列，也可以使用 u’string’

  #指定第二列的数据作为行索引
  In [30]: sheet = pd.read_excel('example.xls',sheet_name= 1,header = None,skip_footer= 1,index_col=1)
  
  In [31]: sheet
  Out[31]:
     0  2   3
  1
  3  1  5  学生
  3  2  4  老师 

• names：指定列的名字，传入一个list数据

  In [32]: sheet = pd.read_excel('example.xls',sheet_name= 1,header = None,skip_footer= 1,index_col=1,names=['a','b','c'])
      ...:
  
  In [33]: sheet
  Out[33]:
     a  b   c
  1
  3  1  5  学生
  3  2  4  老师

       总体而言，pandas库的pd.read_excel和pd.read_csv的参数比较类似，且相较之前的xlrd库的读表操作更加简单，针对一般批量的数据处理最好选择pandas库操作。但是功能有待完善或者本次研究的不够深入，欢迎一起讨论交流。