如何使用 Pandas 从 Excel 中读取某些列 - Python

Posted 2023-02-23

【中文标题】如何使用 Pandas 从 Excel 中读取某些列 - Python

【英文标题】：how to read certain columns from Excel using Pandas - Python

【发布时间】：2016-02-12 19:32:36

【问题描述】：

我正在从 Excel 工作表中读取数据，并且我想读取某些列：第 0 列，因为它是行索引，第 22:37 列。现在这就是我要做的：

import pandas as pd
import numpy as np
file_loc = "path.xlsx"
df = pd.read_excel(file_loc, index_col=None, na_values=['NA'], parse_cols = 37)
df= pd.concat([df[df.columns[0]], df[df.columns[22:]]], axis=1)

但我希望有更好的方法来做到这一点！我知道如果我这样做 parse_cols=[0, 22,..,37] 我可以做到，但是对于大型数据集这没有意义。

我也这样做了：

s = pd.Series(0)
s[1]=22
for i in range(2,14):
    s[i]=s[i-1]+1
df = pd.read_excel(file_loc, index_col=None, na_values=['NA'], parse_cols = s)

但它读取的前 15 列是 s 的长度。

【问题讨论】：

您必须生成一个列列表并将其传递给parse_cols，例如parse_cols=[0, 22,23,24.....,37] 而不是你现在在做什么

不知道为什么这不起作用，这可能是一个错误，当你传递一个硬编码列表时会发生什么：df = pd.read_excel(file_loc, index_col=None, na_values=['NA'], parse_cols = [0,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37)?

@EdChum，如果通过硬编码列表，它可以工作。

在这种情况下生成一个列表而不是一个系列

【参考方案1】：

您可以像这样使用列索引（字母）：

import pandas as pd
import numpy as np
file_loc = "path.xlsx"
df = pd.read_excel(file_loc, index_col=None, na_values=['NA'], usecols="A,C:AA")
print(df)

Corresponding documentation:

usecols : int、str、list-like 或 callable default None

如果没有，则解析所有列。

如果 str，则表示 Excel 列字母和列范围的逗号分隔列表（例如“A:E”或“A,C,E:F”）。范围包括两边。

如果是int列表，则表示要解析的列号列表。

如果是字符串列表，则表示要解析的列名列表。

0.24.0 版中的新功能。

如果可调用，则根据它评估每个列名，如果可调用返回 True，则解析该列。

根据上述行为返回列的子集。

0.24.0 版中的新功能。

【讨论】：

需要注意的是，“名称”应该读作“excel中的名称”，而不是您可以选择或用作标题的那些。文档对此并不清楚，但值得一提的是，这让我有些头疼。

【参考方案2】：

“usecols”应该有所帮助，使用列范围（根据excel工作表，A，B ...等） 下面是例子

1.选定的列

df = pd.read_excel(file_location,sheet_name='Sheet1', usecols="A,C,F")

2。列范围和选定列

df = pd.read_excel(file_location,sheet_name='Sheet1', usecols="A:F,H")

3.多个范围

df = pd.read_excel(file_location,sheet_name='Sheet1', usecols="A:F,H,J:N")

4.列范围

df = pd.read_excel(file_location,sheet_name='Sheet1', usecols="A:N")

【讨论】：

按数字限制列的任何想法？

@rluts，将usecols="A,C,F"替换为usecols=[0,2,5]，列号范围内，usecols=range(2,9)，根据需要请替换数字。

【参考方案3】：

parse_cols 已弃用，请改用usecols

即：

df = pd.read_excel(file_loc, index_col=None, na_values=['NA'], usecols = "A,C:AA")

【讨论】：

还要注意我今天遇到的这个错误/意外行为。 github.com/pandas-dev/pandas/issues/18273 看起来使用列 names 不适用于 Excel...