使用pandas读取excel

使用pandas读取excel

Excel是微软的经典之作，在这里我们介绍使用Python的pandas数据分析包来解决此问题。

pd.read_excel(io, sheet_name = 0, header = 0, names = None, index_col = None,
usecols = None, squeeze = False, dtype = None, engine = None,
converters = None, true_values = None, false_values = None,
skiprows = None, nrows = None, na_values = None, parse_dates = False,
date_parser = None, thousands = None, comment = None, skipfooter = 0,
convert_float = True, **kwds)

pandas读取Excel后返回DataFrame，接下来我们就pd.read_excel()的常用参数进行详细解析。

目录

1、io，Excel的存储路径

2、sheet_name，要读取的工作表名称

3、header， 用哪一行作列名

4、names， 自定义最终的列名

5、index_col， 用作索引的列

6、usecols，需要读取哪些列

7、squeeze，当数据仅包含一列

8、converters ，强制规定列数据类型

9、skiprows，跳过特定行

10、nrows ，需要读取的行数

11、skipfooter ， 跳过末尾n行

【文中使用英超、西甲的排名积分榜及射手榜作为原始数据~~~】

1、io，Excel的存储路径

建议使用英文路径以及英文命名方式。
import pandas as pd
io = r'C:\Users\Administrator\Desktop\data.xlsx'

2、sheet_name，要读取的工作表名称

可以是整型数字、列表名或SheetN，也可以是上述三种组成的列表。
整型数字：目标sheet所在的位置，以0为起始，比如sheet_name = 1代表第2个工作表。

data = pd.read_excel(io, sheet_name = 1)
data.head()

列表名：目标sheet的名称，中英文皆可。
data = pd.read_excel(io, sheet_name = '英超射手榜')
data.head()

SheetN：代表第N个sheet，S要大写，注意与整型数字的区别。
data = pd.read_excel(io, sheet_name = 'Sheet5')
data.head()

组合列表： sheet_name = [0, '英超射手榜', 'Sheet4']，代表读取三个工作表，分别为第1个工作表、名为“英超射手榜”的工作表和第4个工作表。显然，Sheet4未经重命名。
sheet_name 默认为 0，取Excel第一个工作表。如果读取多个工作表，则显示表格的字典。对于初学者而言，建议每次读取一个工作表，然后进行二次整合。
data = pd.read_excel(io, sheet_name = ['英超积分榜', '西甲积分榜'], nrows = 5)   # sheet_name = ['英超积分榜', '西甲积分榜'] ，返回两个工作表组成的字典
data

3、header， 用哪一行作列名

默认为0 ，如果设置为[0,1]，则表示将前两行作为多重索引。
data = pd.read_excel(io, sheet_name = '英超积分榜', header = [0,1])  # 前两行作为列名。
data.head()

4、names， 自定义最终的列名

一般适用于Excel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列长度一致，否则会报错。
data = pd.read_excel(io, sheet_name = '英超射手榜',
names = ['rank','player','club','goal','common_goal','penalty'])
data.head()

5、index_col， 用作索引的列

可以是工作表列名称，如index_col = '排名'；
可以是整型或整型列表，如index_col = 0 或 [0, 1]，如果选择多个列，则返回多重索引。
data = pd.read_excel(io, sheet_name = '英超射手榜', index_col = '排名')
data.head()

data = pd.read_excel(io, sheet_name = '英超射手榜', index_col = [0, 1])
data.head()

6、usecols，需要读取哪些列

可以使用整型，从0开始，如[0,2,3]；
可以使用Excel传统的列名“A”、“B”等字母，如“A：C, E” ="A, B, C, E"，注意两边都包括。
usecols 可避免读取全量数据，而是以分析需求为导向选择特定数据，可以大幅提高效率。
data = pd.read_excel(io, sheet_name = '西甲射手榜', usecols = [0, 1, 3])
data.head()

data = pd.read_excel(io, sheet_name = '西甲射手榜', usecols = 'A:C, E')
data.head()   # 啊？什么！！为啥不见C罗？？ # 大佬，C罗转会去尤文图斯啦~~~~

7、squeeze，当数据仅包含一列

squeeze为True时，返回Series，反之返回DataFrame。
data = pd.read_excel(io, sheet_name = 'squeeze', squeeze = True)
data.head()

data = pd.read_excel(io, sheet_name = 'squeeze', squeeze = False)
data.head()

8、converters ，强制规定列数据类型

converters = {'排名': str, '场次': int}， 将“排名”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。

data = pd.read_excel(io, sheet_name = 'converters')
data['排名'].dtype

data = pd.read_excel(io, sheet_name = 'converters', converters = {'排名': str, '场次': float})
data['排名'].dtype

9、skiprows，跳过特定行

skiprows= n， 跳过前n行； skiprows = [a, b, c]，跳过第a+1,b+1,c+1行（索引从0开始）；
使用skiprows 后，有可能首行（即列名）也会被跳过。
data = pd.read_excel(io, sheet_name = '英超射手榜', skiprows = [1,2,3])   # 跳过第2,3,4行数据（索引从0开始，包括列名）
data.head()

data = pd.read_excel(io, sheet_name = '英超射手榜', skiprows = 3)
data.head()

10、nrows ，需要读取的行数

如果只想了解Excel的列名及概况，不必读取全量数据，nrows会十分有用。 
data = pd.read_excel(io, sheet_name = '英超射手榜', nrows = 10)
data

11、skipfooter ， 跳过末尾n行

data = pd.read_excel(r'C:\Users\Administrator\Desktop\data.xlsx' ,
sheet_name = '英超射手榜', skipfooter = 43)    # skipfooter = 43， 跳过末尾43行（索引从0开始）
data