Python读取.xlsx指定行列

Posted 2023-04-05 L_Jane_H

本文以Python3.9.1读取data.xlsx中包含的西瓜数据集3.0数据为例，数据集如下：

编号	色泽	根蒂	敲声	纹理	脐部	触感	密度	含糖率	好瓜
1	青绿	蜷缩	浊响	清晰	凹陷	硬滑	0.697	0.46	是
2	乌黑	蜷缩	沉闷	清晰	凹陷	硬滑	0.774	0.376	是
3	乌黑	蜷缩	浊响	清晰	凹陷	硬滑	0.634	0.264	是
4	青绿	蜷缩	沉闷	清晰	凹陷	硬滑	0.608	0.318	是
5	浅白	蜷缩	浊响	清晰	凹陷	硬滑	0.556	0.215	是
6	青绿	稍蜷	浊响	清晰	稍凹	软粘	0.403	0.237	是
7	乌黑	稍蜷	浊响	稍糊	稍凹	软粘	0.481	0.149	是
8	乌黑	稍蜷	浊响	清晰	稍凹	硬滑	0.437	0.211	是
9	乌黑	稍蜷	沉闷	稍糊	稍凹	硬滑	0.666	0.091	否
10	青绿	硬挺	清脆	清晰	平坦	软粘	0.243	0.267	否
11	浅白	硬挺	清脆	模糊	平坦	硬滑	0.245	0.057	否
12	浅白	蜷缩	浊响	模糊	平坦	软粘	0.343	0.099	否
13	青绿	稍蜷	浊响	稍糊	凹陷	硬滑	0.639	0.161	否
14	浅白	稍蜷	沉闷	稍糊	凹陷	硬滑	0.657	0.198	否
15	乌黑	稍蜷	浊响	清晰	稍凹	软粘	0.36	0.37	否
16	浅白	蜷缩	浊响	模糊	平坦	硬滑	0.593	0.042	否
17	青绿	蜷缩	沉闷	稍糊	稍凹	硬滑	0.719	0.103	否

代码段：

一、读取工作表内容（.xlsx转化为DataFrame）

1. 导入pandas库，读取工作表数据

import pandas as pd
df = pd.read_excel(r'E:\\Aownplan\\data.xlsx')#默认读取工作簿中第一个工作表，默认第一行为表头

备注：r是为了读取文件路径中\\字符，防止转义。

此处利用pandas库的 read_excel 函数读取文件，获取到的函数返回值类型为DataFrame，后续所有的操作均是基于DataFrame的数据操作方法进行。

二、获取指定行指定列数据（DataFrame转化为numpy.ndarray）

2. 获取整个工作表数据

data=df.values#获取整个工作表数据
print("读取整个工作表的数据：\\n0".format(data))

3. 获取某一行数据

data=df.iloc[0].values#0表示第一行，不包含表头
print("读取指定行的数据：\\n0".format(data))

4. 获取多行数据

data=df.head().values#head()默认读取前5行数据（不包含表头）
print("获取工作表前5行数据:\\n0".format(data))

data=df.iloc[[1,2]].values#读取指定多行，在iloc[]里面嵌套列表指定行数
print("读取指定多行的数据：\\n0".format(data))

data=df.sample(3).values#读取df中随机3行数据(3个样本）
print("获取随机多行数据:\\n0".format(data))

5. 获取指定单元格数据

data=df.iloc[1,2]#读取索引为[1, 2]的值，这里不需要嵌套列表
print("读取指定某行某列（单元格）的数据：\\n0".format(data))

6. 获取指定列数据

print("输出值\\n",df['含糖率'].values)

7. 获取指定多列数据

data=df.loc[:,['敲声','纹理']].values#读所有行的敲声以及纹理列的值，这里需要嵌套列表
print("读取指定列的数据：\\n0".format(data))

8. 获取指定多行多列数据

data=df.loc[[1,2],['密度','含糖率']].values#读取第一行第二行的密度以及含糖率列的值，这里需要嵌套列表
print("读取指定多行多列的数据：\\n0".format(data))

9. 获取行号和列标题

print("输出行号列表",df.index.values)
print("输出列标题",df.columns.values)

三、数据处理（numpy.ndarray转化为list/set/dict）

（1） 转化为列表list

以上通过.values方法获取到的data值，均为二维值数组（numpy.ndarray）类型，在使用时如果需要转换为列表类型，可使用.tolist()方法，如：

data=df.values.tolist()

此时的输出为：

此时的data为list类型，其中每一行数据均为一个列表，多个列表合并为一个二维列表，此时要获取指定行(m)的数据，使用 data[m]，获取指定单元格数据，使用data[m][n]。

（2） 转化为集合set

在分析时，若想获取某一列的数据集合，则可以先提取该列数据，然后使用set()函数将其转化为集合即可，如当前为获取敲声的类型，进行如下操作：

data=df['敲声'].values
print(set(data))

此时的输出：

'清脆', '浊响', '沉闷'

获取除编号，密度，含糖率外所有列的集合：

titles = df.columns.values
for title in titles:
    if title != '编号' and title != '密度' and title != '含糖率':
        key = df[title].values
        values = set(key)
        print(title,':',values)

输出：

色泽 : '乌黑', '青绿', '浅白'
根蒂 : '蜷缩', '稍蜷', '硬挺'
敲声 : '清脆', '浊响', '沉闷'
纹理 : '清晰', '稍糊', '模糊'
脐部 : '平坦', '稍凹', '凹陷'
触感 : '硬滑', '软粘'
好瓜 : '是', '否'

（3） 转化为字典dict
如果需要读取某一行的数据为字典，可进行如下操作：

data=df.iloc[0].values#获取某行数据
title=df.columns.values#获取列标题
a=zip(title,data)#将其压缩为一个元组
print(dict(a))#转化为字典

输出：

'编号': 1, '色泽': '青绿', '根蒂': '蜷缩', '敲声': '浊响', 	'纹理': '清晰', '脐部': '凹陷', '触感': '硬滑', '密度': 0.697,	'含糖率': 0.46, '好瓜': '是'

获取除编号，密度，含糖率外所有列的字典：

titles = df.columns.values
adict=dict()
for title in titles:
    if title != '编号' and title != '密度' and title != '含糖率':
        key = df[title].values
        adict[title]=set(key)
print(adict)

输出：

'色泽': '乌黑', '青绿', '浅白', '根蒂': '蜷缩', '稍蜷', '硬挺', '敲声': '清脆', '浊响', '沉闷', '纹理': '清晰', '稍糊', '模糊',  '脐部': '平坦', '稍凹', '凹陷', '触感': '硬滑', '软粘',  '好瓜': '是', '否'

参考文章：
[1]. Python利用pandas处理Excel数据的应用

利用Python合并指定行列excel文件

效果：

将n多个xlsx文件所有xlsx都取Sheet1表格  抽取指定得行列 并排列到新的Sheet1表格当中

如 表格1内容如下

 表格2内容如下

表格数量不限制。都是要取

期望拿到坐标b2-c3的所有数据并放入表格0当中

参数 如果不是从b2 到c3可以自己配置下这个开始坐标和结束坐标坐标概念如下。

    # 开始坐标点
    start = [1, 1]
    # 结束坐标点
    end = [2, 2]
    # 1,1   1,2     1,3     1,4
    # 1,1 	1a1     1b1 	1c1
    # 1,2 	1a2 	1b2 	1c2
    # 1,3 	1a3 	1b3 	1c3

直接贴代码

import os
# 读写2007 excel
import openpyxl




def read07Excel(path, outputFiles):
    # 选中开始
    # 开始坐标点
    start = [1, 1]
    # 结束坐标点
    end = [2, 2]
    # 1,1   1,2     1,3     1,4
    # 1,1 	1a1     1b1 	1c1
    # 1,2 	1a2 	1b2 	1c2
    # 1,3 	1a3 	1b3 	1c3

    wb = openpyxl.load_workbook(path)
    outWb = openpyxl.load_workbook(outputFiles)
    sheet = wb['Sheet1']
    outSheet = outWb['Sheet1']
    rows = sheet.max_row
    columns = sheet.max_column
    outSheetMaxRows = outSheet.max_row
    if (outSheetMaxRows == 1):
        outSheetMaxRows = 0;
    for i in range(rows):
        if (i < start[0] or i > end[0]):
            continue
        for j in range(columns):
            if (j < start[1] or j > end[1]):
                continue

            cellvalue = sheet.cell(row=i + 1, column=j + 1).value
            outSheet.cell(row=i + 1 - start[0] + outSheetMaxRows, column=j + 1 - start[1], value=cellvalue)
            print(cellvalue, "\\t", end="")
        print()
    outWb.save(outputFiles)


def main():
    outputFiles = r"fileslist\\0.xlsx"

    for root, dirs, files in os.walk("fileslist"):
        for file in files:
            fileName = os.path.join(root, file)
            if (fileName.endswith(outputFiles)):
                continue
            print("当前表格：" + fileName)
            read07Excel(fileName, outputFiles)
            print()

    pass


if __name__ == '__main__':
    main()

如何使用

1、在main.py同级目录下新建fileslist文件目录

 在目录中新建一个空白的xlsx 命名为 0.xlsx 这个是最后要导出的文件夹

 将其他要处理的数据全部复制进来。如1.xlsx，2.xlsx（名字不做限制，这里面所有的文件都会被遍历然后写进0.xlsx）

2、安装  python 

下载地址：Python Releases for Windows | Python.org

下载后安装即可

安装成功 将安装目录的路径配置到环境变量当中

在 Windows 设置环境变量

在环境变量中添加Python目录：

在命令提示框中(cmd) : 输入

path=%path%;C:\\Python 

按下 Enter。

注意: C:\\Python 是Python的安装目录。

也可以通过以下方式设置：

• 右键点击"计算机"，然后点击"属性"
• 然后点击"高级系统设置"
• 选择"系统变量"窗口下面的"Path",双击即可！
• 然后在"Path"行，添加python安装路径即可(我的D:\\Python32)，所以在后面，添加该路径即可。 ps：记住，路径直接用分号"；"隔开！
• 最后设置成功以后，在cmd命令行，输入命令"python"，就可以有相关显示。

3、安装 openpyxl

直接cmd执行

pip install openpyxl

4 执行脚本

python main.py