1 对Excel文件的操作

方法一:

使用xlrd库或者xlwt库进行对excel表格的操作读与写;

方法二:

pandas库同样支持excel的读写操作;且更加简便。

2 pd.read_excel( )的参数

读Excel文件

df=pd.read_excel(io,
sheet_name=0, # 工作表名称
header=0, # 指定作为列名的行
names=None, # 指定列的名字,传入一个list数据
index_col=None, # 指定列为索引列
usecols=None, # 读取指定列
squeeze=False, # squeeze为True时,返回Series,反之返回DataFrame
dtype=None, # 设置数据类型
engine=None,
converters=None, # 强制规定列数据类型
true_values=None,
false_values=None,
skiprows=None, # 省略指定行数的数据,从第一行开始
nrows=None, # 需要读取的行数
na_values=None,
parse_dates=False, # 解析指定参数为日期
date_parser=None,
thousands=None,
comment=None,
skipfooter=0, # 跳过末尾n行,从尾部数的行开始
convert_float=True,
**kwds)

2.1 参数(全)

1.**io **:str, bytes, ExcelFile, xlrd.Book, path object, or file-like object;说白了,读取文件存储路径的文件

Excel文件的存储路径

import pandas as pd
io = "D:/项目/资料/Books.xlsx"

2.sheet_name :str, int, list, or None, default 0 ;说白了,要读取的工作表名

字符串用于工作表名称。整数用于零索引工作表位置。字符串/整数列表用于请求多张纸。指定无以获取所有工作表。

可用案例:

  • Defaults to 0:第一个工作表作为DataFrame
  • 1:第二个工作表作为DataFrame
  • "Sheet1":加载名称为"Sheet1"的工作表
  • [0, 1, "Sheet5"]:加载第一,第二和名为“ Sheet5”的工作表作为DataFrame的字典
  • None:所有工作表。
import pandas as pd
io = "D:/项目/资料/Books.xlsx" df = pd.read_excel(io,sheet_name="Sheet1")
print(df)

结果:

   ID      Name   喜欢   折扣  价格
0 1 Book_001 10 0.5 11
1 2 Book_002 20 0.5 12
2 3 Book_003 30 0.5 12
3 4 Book_004 40 0.5 12
4 5 Book_005 50 0.5 12

3.header:int, list of int, default 0; 说白了,指定哪一行作为列名,一般可以不写,省略

  • 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;
  • header = [0,1] :前两行作为多重索引列名
  • 若数据不含列名,则设定 header = None;

4.names:array-like, default None; 说白了,指定列的名字 (array-like:类似数组,类数组)

  • 一般适用于Excel工作表缺少列名,或者需要重新定义列名的情况;
  • 注意:names的长度必须和Excel工作表列长度一致,否则会报错 ;
  • names=['a','b','c'] 把 a , b , c作为3个列的列名

5.index_col:int, list of int, default None;说白了,把哪一列作为索引

  • 可以是工作表列名称,如index_col = 'ID';
  • 可以是整型,如index_col = 0 ,把第一列作为索引
  • 可以是整型列表,index_col = [0,1,2],把第一、二、三列作为索引,并返回多重索引。

6.usecols:int, str, list-like, or callable default None; 说白了,读取哪些列

  • 如果为None,则解析所有列。

  • 如果为str,则表示Excel列字母和列范围的逗号分隔列表(例如“ A:E” 或 “ A,C,E:F” ),范围包括双方。

  • 如果列表为int,则表示要解析的列号列表。

  • 如果列表是str,则表示要解析的列名称列表。

    0.24.0版中的新功能。

  • 如果可调用,则针对它评估每个列名称,如果可调用返回,则解析该列True

根据上述行为返回列的子集。

0.24.0版中的新功能。

7.squeeze:bool, default False;说白了,数据仅包含一列,就是返回一个一维数组,有返回值

  • squeeze = True ,说明数据仅包含一列,那么返回 一个 Series.
  • 反之返回DataFrame。

8.dtype:Type name or dict of column -> type, default None;说白了,就是设置数据类型

  • 数据或列的数据类型。
  • 例如 {‘a’: np.float64, ‘b’: np.int32} 使用对象保留存储在 Excel 中的数据,而不是解释 dtype。
  • 如果指定转换器,它们将应用 dtype型转换。
  • dtype = float意味着,把data数据中能转化为float的全部转化成float,不能转换的保持原来状态
pd.read_excel('tmp.xlsx', index_col=0,
... dtype={'Name': str, 'Value': float})
Name Value
0 string1 1.0
1 string2 2.0
2 #Comment 3.0

9.engine:str, default None;

如果 io 不是缓冲区或路径,则必须将此设置为标识 io。可接受的值为"None"、"xlrd"、"openpyxl"或"odf"。

10.converters:dict, default None;说白了,强制规定列数据类型

用于转换某些列中的值的函数的字典。键可以是整数或列标签,值是具有一个输入参数,Excel单元格内容并返回转换后的内容的函数。

  • converters = {'分数': str, '场次': int}, 将“分数”列数据类型强制规定为字符串(pandas默认将文本类的数据读取为整型),“场次”列强制规定为整型;
  • 主要用途:保留以文本形式存储的数字。

11.true_values:list, default None

值被认为 True

12.false_values:list, default None

值被认为 False.

13.skiprows:list-like;说白了,跳过指定的行

  • 在开头,要跳过的行(0索引)。

  • skiprows= 1 略去1行的数据,自上而下的开始略去数据的行

  • skiprows = [a, b, c],跳过第a+1,b+1,c+1行(索引从0开始);

  • skiprows= n, 跳过前n行;

14.nrows:int, default None;说白了,需要读取的行数

要读取的行数

New in version 0.23.0.

15.na_values:scalar, str, list-like, or dict, default None

识别为NA / NaN的其他字符串。如果dict通过,则按列显示特定的NA值。默认情况下,以下值解释为NaN:'',‘#N/A’, ‘#N/A N/A’, ‘#NA’, ‘-1.#IND’, ‘-1.#QNAN’, ‘-NaN’, ‘-nan’, ‘1.#IND’, ‘1.#QNAN’, ‘’, ‘N/A’, ‘NA’, ‘NULL’, ‘NaN’, ‘n/a’, ‘nan’, ‘null’.

16.keep_default_na:bool, default True

读取数据时是否包括默认的NaN值。根据是否传入na_values,其行为如下:

  • 如果keep_default_na为 True,并且指定了na_values,则na_values将被追加到用于分析的默认 NaN 值中。
  • 如果keep_default_na为 True,并且未指定na_values,则仅使用默认 的NaN 值进行分析。
  • 如果keep_default_na为 false,并且指定了na_values,则仅使用na_values指定的 NaN 值进行分析。
  • 如果keep_default_na为 False,并且未指定na_values,则不会将任何字符串解析为 NaN。

请注意,如果na_filter以 False 格式传入,则keep_default_na和na_values参数将被忽略。

17.na_filterbool, default True

检测缺失值标记(空字符串和na_values的值)。在没有任何NAs的数据中,传递na_filter = False可以提高读取大文件的性能。

18.verbose:bool, default False

指示放置在非数字列中的NA值的数量。

19.parse_dates:bool, list-like, or dict, default False

行为如下:

  • Bool。如果为 True -> 请尝试分析索引。
  • list of int or names。例如,如果 [1, 2, 3] -> 尝试将列 1、2、3 列分别解析为单独的日期列。
  • list of lists列表清单。例如,如果 [[1, 3]] -> 合并列 1 和 3 并解析为单个日期列。
  • dict,例如 {‘foo’ : [1, 3]} -> 将第1、3列解析为日期,并调用结果'foo'

如果列或索引包含不可解析的日期,则整个列或索引将保留原样作为对象数据类型返回。如果您不想将某些单元格解析为日期,只需在Excel中将其类型更改为“文本”即可。对于非标准的日期时间解析,请pd.to_datetime在之后使用pd.read_excel

注意:对于 iso8601 格式的日期,存在一条快速路径。

20.date_parser:function, optional

用于将字符串列序列转换为日期时间实例数组的函数。默认使用dateutil.parser.parser进行转换。Pandas 将尝试以三种不同的方式调用date_parser,如果发生异常,则前进到下一个:1)将一个或多个数组(由parse_dates定义)作为参数传递;2)将parse_dates定义的列中的字符串值连接(逐行)到单个数组中并将其传递;和3)使用一个或多个字符串(对应于parse_dates定义的列)作为参数,为每一行调用date_parser。

21.thousands:str, default None

千位分隔符,用于将字符串列解析为数字。请注意,此参数仅对于在Excel中存储为TEXT的列是必需的,无论显示格式如何,任何数字列都将自动解析。

22comment:str, default None

注释掉其余部分。将一个或多个字符传递给此参数以指示输入文件中的注释。注释字符串和当前行末尾之间的所有数据都将被忽略。

23.skipfooter:int, default 0 ;说白了,跳过末尾n行

末尾要跳过的行(0索引)。

24.convert_float:bool, default True

将整数浮点数转换为int(即1.0 –> 1)。如果为False,则所有数值数据都将以浮点数形式读取:Excel将所有数字存储为浮点数。

25.mangle_dupe_cols:bool, default True

重复的列将指定为“ X”,“ X.1”,...“ X.N”,而不是“ X” ...“ X”。如果列中的名称重复,则传递False将导致数据被覆盖。

26.kwds:optional

可选的关键字参数传递给TextFileReader

2.2 Returns 返回值

  • DataFrame or dict of DataFrames

    来自传入的Excel文件的DataFrame。有关何时返回DataFrames字典的更多信息,请参见sheet_name参数中的注释。

2.3 例子

  • 可以使用文件名作为字符串或打开的文件对象来读取文件
>>> pd.read_excel('tmp.xlsx', index_col=0)
Name Value
0 string1 1
1 string2 2
2 #Comment 3
>>> pd.read_excel(open('tmp.xlsx', 'rb'),
... sheet_name='Sheet3')
Unnamed: 0 Name Value
0 0 string1 1
1 1 string2 2
2 2 #Comment 3
  • 可以通过index_col和header参数指定索引和标头
>>> pd.read_excel('tmp.xlsx', index_col=None, header=None)
0 1 2
0 NaN Name Value
1 0.0 string1 1
2 1.0 string2 2
3 2.0 #Comment 3
  • 推断列类型,但可以显式指定
>>> pd.read_excel('tmp.xlsx', index_col=0,
... dtype={'Name': str, 'Value': float})
Name Value
0 string1 1.0
1 string2 2.0
2 #Comment 3.0
  • True、False 和 NA 值以及数千个分隔符具有默认值,但也可以显式指定。提供您希望的值作为字符串或字符串列表!
>>> pd.read_excel('tmp.xlsx', index_col=0,
... na_values=['string1', 'string2'])
Name Value
0 NaN 1
1 NaN 2
2 #Comment 3
  • 可以使用注释kwarg 跳过 Excel 输入文件中的注释行
>>> pd.read_excel('tmp.xlsx', index_col=0, comment='#')
Name Value
0 string1 1.0
1 string2 2.0
2 None NaN

欢迎关注公众号【喵哥解说】,有1000G关于Python资料等你领取,感谢阅读。

Python数据分析:pandas玩转Excel (二)的更多相关文章

  1. 【Python数据分析】Python3操作Excel(二) 一些问题的解决与优化

    继上一篇[Python数据分析]Python3操作Excel-以豆瓣图书Top250为例 对豆瓣图书Top250进行爬取以后,鉴于还有一些问题没有解决,所以进行了进一步的交流讨论,这期间得到了一只尼玛 ...

  2. Python数据分析--Pandas知识点(二)

    本文主要是总结学习pandas过程中用到的函数和方法, 在此记录, 防止遗忘. Python数据分析--Pandas知识点(一) 下面将是在知识点一的基础上继续总结. 13. 简单计算 新建一个数据表 ...

  3. Python数据分析--Pandas知识点(三)

    本文主要是总结学习pandas过程中用到的函数和方法, 在此记录, 防止遗忘. Python数据分析--Pandas知识点(一) Python数据分析--Pandas知识点(二) 下面将是在知识点一, ...

  4. 用Python的pandas框架操作Excel文件中的数据教程

    用Python的pandas框架操作Excel文件中的数据教程 本文的目的,是向您展示如何使用pandas 来执行一些常见的Excel任务.有些例子比较琐碎,但我觉得展示这些简单的东西与那些你可以在其 ...

  5. Python数据分析Pandas库之熊猫(10分钟二)

    pandas 10分钟教程(二) 重点发法 分组 groupby('列名') groupby(['列名1','列名2',.........]) 分组的步骤 (Splitting) 按照一些规则将数据分 ...

  6. Python数据分析-Pandas(Series与DataFrame)

    Pandas介绍: pandas是一个强大的Python数据分析的工具包,是基于NumPy构建的. Pandas的主要功能: 1)具备对其功能的数据结构DataFrame.Series 2)集成时间序 ...

  7. Python数据分析:pandas玩转Excel (一)

    目录 1 pandas简介 2 导入 3 使用 4 读取.写入 1 pandas简介 1.Pandas是什么? Pandas是一个强大的分析结构化数据的工具集: 它的使用基础是Numpy(提供高性能的 ...

  8. Python数据分析:pandas玩转Excel(三)

    将对象写入Excel工作表. 要将单个对象写入 Excel .xlsx 文件,只需指定目标文件名即可.要写入多个工作表,必须创建具有目标文件名的ExcelWriter对象,并在文件中指定要写入的工作表 ...

  9. Python数据分析 Pandas模块 基础数据结构与简介(二)

    重点方法 分组:groupby('列名') groupby(['列1'],['列2'........]) 分组步骤: (spiltting)拆分 按照一些规则将数据分为不同的组 (Applying)申 ...

随机推荐

  1. 2020年ubuntu1804安装nginx最新稳定版1.16详细教程笔记

    第一次使用nginx是2007年,当时主流还是apache.nginx横空出世,在web2.0的推动下,迅速崛起.眼下已是绝对的主流了. 当时,还有一个轻量级的lighttpd,是德国人写,刚开始还并 ...

  2. centos7 源码安装goaccess

    1. 使用yum安装在不同服务器上可能失败, 推荐使用源码安装goaccess # 安装依赖 yum install -y ncurses-devel GeoIP-devel.x86_64 tokyo ...

  3. socket编程之并发回射服务器

    使用到的函数: // 子进程返回0,父进程返回子进程ID,出错返回-1 pid_t fork(void); pid_t wait(int *wstatus); // 最常用的option是WNOHAN ...

  4. 经典卷积神经网络算法(1):LeNet-5

    .caret, .dropup > .btn > .caret { border-top-color: #000 !important; } .label { border: 1px so ...

  5. D. Misha, Grisha and Underground 树链剖分

    D. Misha, Grisha and Underground 这个题目算一个树链剖分的裸题,但是这个时间复杂度注意优化. 这个题目可以选择树剖+线段树,时间复杂度有点高,比较这个本身就有n*log ...

  6. 线段树 I - Transformation 加乘优先级

    I - Transformation Yuanfang is puzzled with the question below: There are n integers, a 1, a 2, …, a ...

  7. LeetCode #188场周赛题解

    A题链接 给你一个目标数组 target 和一个整数 n.每次迭代,需要从 list = {1,2,3..., n} 中依序读取一个数字. 请使用下述操作来构建目标数组 target : Push:从 ...

  8. Linux文件系统基本结构

    (1)Linux文件系统为一个倒转的单根树状结构: (2)文件系统的根为“/”: (3)文件系统严格区分大小写: (4)路径使用“/”分割(windows使用“\”): 当前工作目录 (1)每个she ...

  9. ASA failover配置(A/S)

    环境描述 1. 两条公网出口,分别为移动,联通 2. 两台ASA做主备配置,实现出口故障转移 3. 内网两台核心做堆叠配置(由于模拟器无法实现堆叠,此处使用HSRP) 需求描述 1. 当一条公网链路故 ...

  10. supersqli

    0x01 堆叠注入 1.定义与说明 在sql中,分号(;)表示一条sql语句的结束.在;结束之后继续构造下一条语句,会一起执行,因此为堆叠注入. union联合查询是将两条语句合并之后进行查询,uni ...