14 - 导入数据 - pd.read_excel(filename) - 读Excel文件

读取Excel文件

读取 excel 文件的方法用read_excel()

import numpy as np
import pandas as pd
filename = "C:\\Users\\xx\\xx\\xx.xlsx"  # win
e_df = pd.read_excel(filename)

支持从本地文件系统或URL读取的xls，xlsx，xlsm，xlsb和odf文件扩展名

pandas.read_excel(
io,
sheet_name=0,  # 默认第一张，第一张是0
sheet_name="xx表",
sheet_name=[0,"xx表"],  # 读取后的数据类型是OrderedDict,将两个sheet的数据合并到了一个list中
sheet_name=None,  # 表示引用所有sheet
header=0,  # 表示用第几行作为表头，默认header=0，即默认第一行为表头
header=1,  # 选择第2行为表头，第一行数据就不要了
header=[1,2,3],  # 选择第2,3,4行的数据作为表头，第1行的数据不用
header=None,  # 表示不使用数据源中的表头,用0，1，2表示列名
names=None,  # 表示自定义表头的名称，需要传递数组参数。
names=["列名1","列名2",],  # 表示自定义表头的名称，需要传递数组参数。
index_col=None,  # 设置索引列
index_col=0,  # 设置索引列,第一列
index_col=[1,2],  # 设置索引列
usecols=None,  # 解析所有列，默认为None
usecols="A:C",  # 解析A-C列
usecols=3,  # 解析4列，0123
usecols=[0,1,4],  # 第1列，第2列，第5列的数据
squeeze=False,  # 默认False
squeeze=True,  # 如果解析的数据只包含一列，则返回一个Series
dtype=None,  # 修改数据类型
dtype={0:"float64",1:str},
engine=None,  # 解析引擎
engine=None,  # "xlrd"，"openpyxl"或"odf"使用第三方的库去解析excel文件。
converters=None,
true_values=None,
false_values=None,
skiprows=None,  # 跳过指定行
skiprows=1,  # 跳过第1行
skiprows=3,  # 跳过前3行
skiprows=[1,3,5],  #  跳过第1,3,5行
skiprows=lambda x: x % 2 == 0, # 跳过偶数行
nrows=None,
na_values=None,
keep_default_na=True,
verbose=False,
parse_dates=False,
date_parser=None,
thousands=None,
comment=None,
skipfooter=0,
convert_float=True,
mangle_dupe_cols=True,
**kwds)

表格总结

1: 基本读取

• 描述：读取 Excel 文件并将其转换为 DataFrame。
• 代码：

  import pandas as pd
  df = pd.read_excel('data.xlsx')
  print(df.head())

• 预期结果：输出 Excel 文件的前 5 行。

2: 读取特定工作表

• 描述：指定工作表名称读取 Excel 文件。
• 代码：

  df = pd.read_excel('data.xlsx', sheet_name='Sheet2')
  print(df.head())

• 预期结果：输出 ‘Sheet2’ 工作表的前 5 行。

3: 跳过行首

• 描述：跳过 Excel 文件的前几行。
• 代码：

  df = pd.read_excel('data.xlsx', skiprows=1)
  print(df.head())

• 预期结果：跳过第一行后输出剩余的前 5 行。

4: 指定列的读取

• 描述：只读取 Excel 文件中的特定列。
• 代码：

  df = pd.read_excel('data.xlsx', usecols=['Column1', 'Column3'])
  print(df.head())

• 预期结果：输出包含 ‘Column1’ 和 ‘Column3’ 的前 5 行。

5: 读取特定数据范围

• 描述：读取 Excel 文件中的特定数据范围。
• 代码：

  df = pd.read_excel('data.xlsx', skiprows=3, nrows=5)
  print(df.head())

• 预期结果：跳过前 3 行，只读取接下来的 5 行。

6: 指定列的数据类型

• 描述：为 Excel 文件中的列指定数据类型。
• 代码：

  dtypes = {'Column1': int, 'Column3': float}
  df = pd.read_excel('data.xlsx', dtype=dtypes)
  print(df.head())

• 预期结果：’Column1’ 和 ‘Column3’ 列分别以 int 和 float 类型读取。

7: 使用索引列

• 描述：使用 Excel 文件中的一列作为 DataFrame 的索引。
• 代码：

  df = pd.read_excel('data.xlsx', index_col='ID')
  print(df.head())

• 预期结果：以 ‘ID’ 列作为索引的前 5 行。

8: 处理日期列

• 描述：将 Excel 文件中的日期列解析为日期时间对象。
• 代码：

  df = pd.read_excel('data.xlsx', parse_dates=['DateColumn'])
  print(df.head())

• 预期结果：’DateColumn’ 列被解析为日期时间对象。

9: 读取存储为 CSV 的 Excel 文件

• 描述：读取存储为 CSV 格式的 Excel 文件。
• 代码：

  df = pd.read_csv('data.csv')
  print(df.head())

• 预期结果：尽管使用 read_csv()，但文件实际上是 Excel 文件，输出前 5 行。

10: 合并多个工作表

• 描述：读取 Excel 文件中的多个工作表并合并为一个 DataFrame。
• 代码：

  dfs = pd.read_excel('data.xlsx', sheet_name=None)
  df = pd.concat(dfs)
  print(df.head())

• 预期结果：合并所有工作表的数据为一个 DataFrame。