5000字,通透讲解Pandas读存Excel

Posted 尤尔小屋的猫

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了5000字,通透讲解Pandas读存Excel相关的知识,希望对你有一定的参考价值。

公众号:尤而小屋
作者:Peter
编辑:Peter

大家好,我是Peter~

本文记录的是如何通过Pandas来读取Excel文件,以及将DataFrame保存到Excel文件中。

官网参数详解:https://pandas.pydata.org/docs/reference/api/pandas.read_excel.html

参数

read_excel函数能够读取的格式包含:xls, xlsx, xlsm, xlsb, odf, ods 和 odt 文件扩展名。支持读取单一sheet或几个sheet。

下面记录的官方文档中提供的全部参数信息:

pandas.read_excel(
  io,    
  sheet_name=0, 
  header=0, 
  names=None, 
  index_col=None, 
  usecols=None, 
  squeeze=None, 
  dtype=None, 
  engine=None, 
  converters=None, 
  true_values=None, 
  false_values=None, 
  skiprows=None, 
  nrows=None, 
  na_values=None,
  keep_default_na=True, 
  na_filter=True, 
  verbose=False, 
  parse_dates=False, 
  date_parser=None, 
  thousands=None, 
  decimal='.', 
  comment=None, 
  skipfooter=0, 
  convert_float=None, 
  mangle_dupe_cols=True, 
  storage_options=None
)

下面解释常用参数的含义:

  • io:文件路径,支持 str, bytes, ExcelFile, xlrd.Book, path object, or file-like object。默认读取第一个sheet的内容。案例:“/desktop/student.xlsx”
  • sheet_name:sheet表名,支持 str, int, list, or None;默认是0,索引号从0开始,表示第一个sheet。案例:sheet_name=1, sheet_name=“sheet1”,sheet_name=[1,2,“sheet3”]。None 表示引用所有sheet
  • header:表示用第几行作为表头,支持 int, list of int;默认是0,第一行的数据当做表头。header=None表示不使用数据源中的表头,Pandas自动使用0,1,2,3…的自然数作为索引。
  • names:表示自定义表头的名称,此时需要传递数组参数。
  • index_col:指定列属性为行索引列,支持 int, list of int, 默认是None,也就是索引为0,1,2,3等自然数的列用作DataFrame的行标签。如果传入的是列表形式,则行索引会是多层索引
  • usecols:待解析的列,支持 int, str, list-like, or callable ,默认是 None,表示解析全部的列。
  • dtype:指定列属性的字段类型。案例:‘a’: np.float64, ‘b’: np.int32;默认为None,也就是不改变数据类型。
  • engine:解析引擎;可以接受的参数有"xlrd"、“openpyxl”、“odf”、“pyxlsb”,用于使用第三方的库去解析excel文件
    • “xlrd”支持旧式 Excel 文件 (.xls)
    • “openpyxl”支持更新的 Excel 文件格式
    • “odf”支持 OpenDocument 文件格式(.odf、.ods、.odt)
    • “pyxlsb”支持二进制 Excel 文件
  • converters:对指定列进行指定函数的处理,传入参数为列名与函数组成的字典,和usecols参数连用。key 可以是列名或者列的序号,values是函数,可以自定义的函数或者Python的匿名lambda函数
  • skiprows:跳过指定的行(可选参数),类型为:list-like, int, or callable
  • nrows:指定读取的行数,通常用于较大的数据文件中。类型int, 默认是None,读取全部数据
  • na_values:指定列的某些特定值为NaN
  • keep_default_na:是否导入空值,默认是导入,识别为NaN

模拟数据

现在本次模拟了两个数据**:Pandas_Excel.xls 和 Pandas_Excel.xlsx**

Pandas_Excel.xls 文件中包含两个sheet,第二个数据只比第一个多个index的信息

1、sheet1的内容

2、sheet2的内容

3、Pandas_Excel.xlsx的内容,模拟的完整信息:

import pandas as pd

默认情况

此时文件刚好在当前目录下,读取的时候指定文件名即可,可以看到读取的是第一个sheet

df = pd.read_excel("Pandas-Excel.xls")
df
nameagesexaddressdate
0张三23深圳2022-04-01
1李四16广州2022-04-02
2小明26未知深圳2022-04-05
3张飞28苏州2021-09-08
4小苏20NaN2022-06-07
5小王0南京2022-05-09

参数io

填写完整的文件路径作为io的取值。也可以使用相对路径

pd.read_excel(r"/Users/peter/Desktop/pandas/Pandas-Excel.xls")
nameagesexaddressdate
0张三23深圳2022-04-01
1李四16广州2022-04-02
2小明26未知深圳2022-04-05
3张飞28苏州2021-09-08
4小苏20NaN2022-06-07
5小王0南京2022-05-09

参数sheet_name

# pd.read_excel("Pandas-Excel.xls", sheet_name=0) # 效果同上

# 直接指定sheet的名字
pd.read_excel("Pandas-Excel.xls", sheet_name="Sheet1") # 效果同上
nameagesexaddressdate
0张三23深圳2022-04-01
1李四16广州2022-04-02
2小明26未知深圳2022-04-05
3张飞28苏州2021-09-08
4小苏20NaN2022-06-07
5小王0南京2022-05-09

换成读取第二个sheet:名称是Sheet2

pd.read_excel("Pandas-Excel.xls", sheet_name="Sheet2") 
indexnameagesexaddressdate
01张三23深圳2022-04-01
12李四16广州2022-04-02
23小明26未知深圳2022-04-05
34张飞28苏州2021-09-08
45小苏20NaN2022-06-07
56小王0南京2022-05-09

结果中多了一列index的取值

参数header

# 和默认情况相同

pd.read_excel("Pandas-Excel.xls", header=[0]) 
nameagesexaddressdate
0张三23深圳2022-04-01
1李四16广州2022-04-02
2小明26未知深圳2022-04-05
3张飞28苏州2021-09-08
4小苏20NaN2022-06-07
5小王0南京2022-05-09
pd.read_excel("Pandas-Excel.xls", header=[1])  # 单个元素

第一行的数据当做列属性:

张三23深圳2022-04-01 00:00:00
0李四16广州2022-04-02
1小明26未知深圳2022-04-05
2张飞28苏州2021-09-08
3小苏20NaN2022-06-07
4小王0南京2022-05-09

传入多个元素会形成多层索引:

pd.read_excel("Pandas-Excel.xls", header=[0,1])   # 多个元素
nameagesexaddressdate
张三23深圳2022-04-01 00:00:00
0李四16广州2022-04-02
1小明26未知深圳2022-04-05
2张飞28苏州2021-09-08
3小苏20NaN2022-06-07
4小王0南京2022-05-09

参数names

# 指定列名称

pd.read_excel("Pandas-Excel.xls", names=["a","b","c","d","e"])   
abcde
0张三23深圳2022-04-01
1李四16广州2022-04-02
2小明26未知深圳2022-04-05
3张飞28苏州2021-09-08
4小苏20NaN2022-06-07
5小王0南京2022-05-09

参数index_col

# 指定单个元素作为索引
pd.read_excel("Pandas-Excel.xls", index_col=[0]) 
agesexaddressdate
name
张三23深圳2022-04-01
李四16广州2022-04-02
小明26未知深圳2022-04-05
张飞28苏州2021-09-08
小苏20NaN2022-06-07
小王0南京2022-05-09
# 多个元素
pd.read_excel("Pandas-Excel.xls", index_col=[0,1])   
sexaddressdate
nameage
张三23深圳2022-04-01
李四16广州2022-04-02
小明26未知深圳2022-04-05
张飞28苏州2021-09-08
小苏20NaN2022-06-07
小王0南京2022-05-09

参数usecols

pd.read_excel("Pandas-Excel.xls", usecols=[0])   # 单个字段
name
0张三
1李四
2小明
3张飞
4小苏
5小王
pd.read_excel("Pandas-Excel.xls", usecols=[0,2,4])   # 多个字段
namesexdate
0张三2022-04-01
1李四2022-04-02
2小明未知2022-04-05
3张飞2021-09-08
4小苏2022-06-07
5小王2022-05-09
# 直接指定名称
    
pd.read_excel("Pandas-Excel.xls", usecols=["age","sex"])  
agesex
023
116
226未知
328
420
50
# 传入匿名函数,字段中包含a,结果sex没有了

pd.read_excel("Pandas-Excel.xls", usecols=lambda x: "a" in x)
nameageaddressdate
0张三23深圳2022-04-01
1李四16广州2022-04-02
2小明26深圳2022-04-05
3张飞28苏州2021-09-08
4小苏20NaN2022-06-07
5小王0南京2022-05-09

参数dtype

df.dtypes  
name               object
age                 int64
sex                object
address            object
date       datetime64[ns]
dtype: object

从上面的结果中看到age字段,在默认情况下读取的是int64类型:

# 指定数据类型
df1 = pd.read_excel("Pandas-Excel.xls", dtype="age":"float64")

# 查看字段信息
df1.dtypes
name               object
age               float64  # 修改
sex                object
address            object
date       datetime64[ns]
dtype: object

参数engine

# xls 结尾

pd.read_excel("Pandas-Excel.xls", engine="xlrd")
nameagesexaddressdate
0张三23深圳2022-04-01
1李四16广州2022-04-02
2小明26未知深圳2022-04-05
3张飞28苏州2021-09-08
4小苏20NaN2022-06-07
5小王0南京2022-05-09
# xlsx 结尾
pd.read_excel("Pandas-Excel.xlsx", engine="openpyxl")
nameagesexaddressdate
0张三23深圳2022-04-01
1李四16广州2022-04-02
2小明26深圳2022-04-05
3张飞28苏州2021-09-08
4小苏20杭州2022-06-07
5小王25南京2022-05-09

参数converters

pd.read_excel("Pandas-Excel.xlsx")  # 默认操作
nameagesexaddressdate
0张三23深圳2022-04-01
1李四16广州2022-04-02
2小明26深圳2022-04-05
3张飞28苏州2021-09-08
4小苏20杭州2022-06-07
5小王25南京2022-05-09
pd.read_excel("Pandas-Excel.xlsx", 
              usecols=[1,3],  # 1-age  3-address 数值为原索引号
              converters=0:lambda x: x+5,  # 0代表上面[1,3]中的索引号
                          1:lambda x: x + "市"
                         )
ageaddress
028深圳市
121广州市
231深圳市
333苏州市
425杭州市
530南京市

参数skiprows

pd.read_excel("Pandas-Excel.xls")   # 默认情况
nameagesexaddressdate
0张三23深圳2022-04-01
1李四16广州2022-04-02
2小明26未知深圳2022-04-05
3张飞28苏州2021-09-08
4小苏20NaN2022-06-07
5小王0南京2022-05-09

把张三和李四所在的行直接跳过:

pd.read_excel("Pandas-Excel.xls", skiprows=2)
李四16广州2022-04-02 00:00:00
0小明26未知深圳2022-04-05
1张飞28苏州2021-09-08
2小苏20NaN2022-06-07
3小王0南京2022-05-09
# 跳过偶数行

pd.read_excel("Pandas-Excel.xls", skiprows=lambda x: x%2 == 0)
张三23深圳2022-04-01 00:00:00
0小明26未知深圳2022-04-05
1小苏20NaN2022-06-07

参数nrows

# 指定读取的行数

pd.read_excel("Pandas-Excel.xls", nrows=2)
nameagesexaddressdate
0张三23深圳2022-04-01
1李四16广州2022-04-02

参数na_values

pd.read_excel("Pandas-Excel.xls")  # 默认
nameagesexaddressdate
0张三23深圳2022-04-01
1李四16广州2022-04-02
2小明26未知深圳2022-04-05
3张飞28苏州2021-09-08
4小苏20NaN2022-06-07
5小王0南京2022-05-09
pd.read_excel("Pandas-Excel.xls", 
              na_values="sex":"未知")

sex字段中的未知显示成了NaN:

nameagesexaddressdate
0张三23深圳2022-04-01
1李四16广州2022-04-02
2小明26NaN深圳2022-04-05
3张飞28苏州2021-09-08
4小苏20NaN2022-06-07
5小王0南京2022-05-09

参数keep_default_na

pd.read_excel("Pandas-Excel.xls")  # 默认keep_default_na=True
nameagesexaddressdate
0张三23深圳2022-04-01
1李四16广州2022-04-02
2小明26未知深圳2022-04-05
3张飞28苏州2021-09-08
4小苏20NaN2022-06-07
5小王0南京2022-05-09
pd.read_excel("Pandas-Excel.xls", keep_default_na=False)
nameagesexaddressdate
0张三23深圳2022-04-01
1李四16广州2022-04-02
2小明26未知深圳2022-04-05
3张飞28苏州2021-09-08
4小苏202022-06-07
5小王0南京2022-05-09

输出到excel文件

简单模拟一份数据:

df2 = pd.DataFrame("num1":[1,2,3],
                   "num2":[4,5,6],
                   "num3":[7,8,9])
df2
num1num2num3
0147
1258
2369
df2.to_excel("newdata_1.xlsx")

效果如下:

df2.to_excel("newdata_2.xlsx",index=False)

不会带上索引号

以上是关于5000字,通透讲解Pandas读存Excel的主要内容,如果未能解决你的问题,请参考以下文章

5000字,通透讲解Pandas读存Excel

Python验证码识别和生成(5000字详细实例和概念讲解)

Pandas库10_存取json和excel文件

3000字长文详解,Pandas 美化你的 Excel 表格!

Pandas库08_存取CSV文件

8年Java老鸟讲解, 事务的隔离级别,这篇很通透