在 colaboratory 中从驱动器加载 xlsx 文件

Posted 2023-03-11

【中文标题】在 colaboratory 中从驱动器加载 xlsx 文件

【英文标题】：Load xlsx file from drive in colaboratory

【发布时间】：2018-05-05 22:43:02

【问题描述】：

如何将 MS-excel(.xlsx) 文件从 google drive 导入 colaboratory？

excel_file = drive.CreateFile('id':'some id')

确实有效（drive 是 pydrive.drive.GoogleDrive 对象）。但是，

print excel_file.FetchContent()

返回无。和

excel_file.content()

抛出：

TypeErrorTraceback（最近一次调用最后一次） 在 （） ----> 1 excel_file.content()

TypeError: '_io.BytesIO' 对象不可调用

我的意图是（给定一些有效的文件 'id'）将它作为 io 对象导入，它可以被 pandas read_excel() 读取，最后从中得到一个 pandas 数据框。

【参考方案1】：

import pandas as pd

xlsx_link = 'https://docs.google.com/spreadsheets/d/1Sv4ib5i7CKWhAHZkKg-uitIkS3xwxtXM/export'
df = pd.read_excel(xlsx_link)

如果 xlsx 托管在 Google 驱动器上，一旦共享，任何人都可以使用链接访问它，无论是否有 google 帐户。 google.colab.drive 或 google.colab.files 依赖不是必需的

【参考方案2】：

首先，我从 google.colab

导入

io

、

pandas

和

files

import io
import pandas as pd
from google.colab import files

然后我使用上传小部件上传文件

uploaded = files.upload()

你会得到类似的东西（点击选择文件并上传 xlsx 文件）：

假设文件名是my_spreadsheet.xlsx，所以需要在下面一行中使用：

df = pd.read_excel(io.BytesIO(uploaded.get('my_spreadsheet.xlsx')))

就是这样，现在您在 df 数据框中有了第一张工作表。但是，如果您有多个工作表，您可以将代码更改为：

首先，将 io 调用移动到另一个变量

xlsx_file = io.BytesIO(uploaded.get('my_spreadsheet.xlsx'))

然后，使用新变量指定工作表名称，如下所示：

df_first_sheet = pd.read_excel(xlsx_file, 'My First Sheet')
df_second_sheet = pd.read_excel(xlsx_file, 'My Second Sheet')

【参考方案3】：

也许是更简单的方法：

#To read/write data from Google Drive:
#Reference: https://colab.research.google.com/notebooks/io.ipynb#scrollTo=u22w3BFiOveAå
from google.colab import drive
drive.mount('/content/drive')

df = pd.read_excel('/content/drive/My Drive/folder_name/file_name.xlsx')

# #When done, 
# drive.flush_and_unmount()
# print('All changes made in this colab session should now be visible in Drive.')

【参考方案4】：

您需要使用excel_file.GetContentFile 在本地保存文件。然后，您可以在 !pip install -q xlrd 之后使用 Pandas read_excel 方法。

这是一个完整的例子： https://colab.research.google.com/notebook#fileId=1SU176zTQvhflodEzuiacNrzxFQ6fWeWC

我做了什么更详细：

我创建了一个新的spreadsheet in sheets 以导出为 .xlsx 文件。

接下来，我将其导出为 .xlsx 文件并再次上传到云端硬盘。网址是： https://drive.google.com/open?id=1Sv4ib5i7CKWhAHZkKg-uitIkS3xwxtXM

记下文件 ID。就我而言，它是1Sv4ib5i7CKWhAHZkKg-uitIkS3xwxtXM。

然后，在 Colab 中，我调整了 Drive download snippet 以下载文件。关键位是：

file_id = '1Sv4ib5i7CKWhAHZkKg-uitIkS3xwxtXM'
downloaded = drive.CreateFile('id': file_id)
downloaded.GetContentFile('exported.xlsx')

最后，创建一个 Pandas DataFrame：

!pip install -q xlrd
import pandas as pd
df = pd.read_excel('exported.xlsx')
df

!pip install... 行安装读取 Excel 文件所需的 xlrd 库。

【讨论】：

由于您已经上传到 Google 云端硬盘并转换为工作表，因此您可以跳过再次上传的步骤，并从 Colab 将其作为工作表访问，如本解决方案中所示：***.com/a/49397059/1762493