目录
- 一 read_excel() 的基本用法
- 二 read_excel() 的常用的参数:
- 三 示例
- 1. io：路径
- 2. sheet_name：指定工作表名
- 3. header ：指定标题行
- 4. names： 指定列名
- 5. index_col: 指定列索引
- 6. skiprows：跳过指定行数的数据
- 7. skipfooter：省略从尾部的行数据
- 8.dtype 指定某些列的数据类型
一 read_excel() 的基本用法
import pandas as pd file_name = 'xxx.xlsx' pd.read_excel(file_name)
二 read_excel() 的常用的参数:
io: excel路径 可以是文件路径， 类文件对象， 文件路径对象等。
sheet_name=0: 访问指定excel某张工作表。sheet_name可以是str, int, list 或 none类型， 默认值是0。
str类型 是直接指定工作表的名称
int类型 是指定从0开始的工作表的索引， 所以sheelt_name默认值是0，即第一个工作表。
list类型 是多个索引或工作表名构成的list，指定多个工作表。
none类型， 访问所有的工作表
sheet_name=0: 得到的是第1个sheet的dataframe类型的数据
sheet_name=2: 得到的是第3个sheet的dataframe类型的数据
sheet_name=‘test1′: 得到的是名为’test1’的sheet的dataframe类型的数据
sheet_name=[0, 3, ‘test5′]: 得到的是第1个，第4个和名为test5 的工作表作为dataframe类型的数据的字典。
header=0：header是标题行，通过指定具体的行索引，将该行作为数据的标题行，也就是整个数据的列名。默认首行数据（0-index）作为标题行，如果传入的是一个整数列表，那这些行将组合成一个多级列索引。没有标题行使用header=none。
name=none： 传入一列类数组类型的数据，用来作为数据的列名。如果文件数据不包含标题行，要显式的指出header=none。
skiprows：int类型， 类列表类型或可调函数。 要跳过的行号(0索引)或文件开头要跳过的行数(int)。如果可调用，可调用函数将根据行索引进行计算，如果应该跳过行则返回true，否则返回false。一个有效的可调用参数的例子是lambda x: x in [0, 1, 2]。
skipfooter=0: int类型， 默认0。自下而上，从尾部指定跳过行数的数据。
usecols=none: 指定要使用的列，如果没有默认解析所有的列。
index_col=none: int或元素都是int的列表， 将某列的数据作为dataframe的行标签，如果传递了一个列表，这些列将被组合成一个多索引，如果使用usecols选择的子集，index_col将基于该子集。
squeeze=false, 布尔值，默认false。 如果解析的数据只有一列，返回一个series。
dtype=none: 指定某列的数据类型，可以使类型名或一个对应列名与类型的字典，例 {‘a': np.int64, ‘b': str}
nrows=none: int类型，默认none。 只解析指定行数的数据。
三 示例
如图是演示使用的excel文件，它包含5张工作表。
1. io：路径
举一个io为文件对象的例子， 有些时候file文件路径的包含较复杂的中文字符串时，pandas 可能会解析文件路径失败，可以使用文件对象来解决。
file = 'xxxx.xlsx'
f = open(file, 'rb')
df = pd.read_excel(f, sheet_name='sheet1')
f.close() # 没有使用with的话，记得要手动释放。
# ------------- with模式 -------------------
with open(file, 'rb') as f:
df = pd.read_excel(f, sheet_name='sheet1')
2. sheet_name：指定工作表名
sheet_name=‘sheet’， 指定解析名为”sheet1″的工作表。返回一个dataframe类型的数据。
df = pd.read_excel(file, sheet_name='sheet1')
sheet_name=[0, 1, ‘sheet1′], 对应的是解析文件的第1， 2张工作表和名为”sheet1″的工作表。它返回的是一个有序字典。结构为{name：dataframe}这种类型。
df_dict = pd.read_excel(file, sheet_name=[0,1,'sheet1'])
sheet_name=none 会解析该文件中所有的工作表，返回一个同上的字典类型的数据。
df_dict = pd.read_excel(file, sheet_name=none)
3. header ：指定标题行
header是用来指定数据的标题行，也就是数据的列名的。本文使用的示例文件具有中英文两行列名，默认header=0是使用第一行数据作为数据的列名。
df_dict = pd.read_excel(file, sheet_name='sheet1')
header=1， 使用指定使用第二行的英文列名。
df_dict = pd.read_excel(file, sheet_name='sheet1', header=1)
需要注意的是，如果不行指定任何行作为列名，或数据源是无标题行的数据，可以显示的指定header=none来表明不使用列名。
df_dict = pd.read_excel(file, sheet_name='sheet1', header=none)
4. names： 指定列名
指定数据的列名，如果数据已经有列名了，会替换掉原有的列名。
df = pd.read_excel(file, sheet_name='sheet1', names=list('123456789abcde'))
上图是header=0默认第一行中文名是标题行，最后被names给替换了列名，如果只想使用names，而又对源数据不做任何修改，我们可以指定header=none
df = pd.read_excel(file, sheet_name='sheet1', names=list('123456789abcde'), header=none)
5. index_col: 指定列索引
df = pd.read_excel(file, sheet_name='sheet1', header=1, index_col=0)
6. skiprows：跳过指定行数的数据
df = pd.read_excel(file, sheet_name='sheet1', skiprows=0)
df = pd.read_excel(file, sheet_name='sheet1', skiprows=[1,3,5,7,9,])
header与skiprows在有些时候效果相同，例skiprows=5和header=5。因为跳过5行后就是以第六行，也就是索引为5的行默认为标题行了。需要注意的是skiprows=5的5是行数，header=5的5是索引为5的行。
df = pd.read_excel(file, sheet_name='sheet1', header=5)
df = pd.read_excel(file, sheet_name='sheet1', skiprows=5)
7. skipfooter：省略从尾部的行数据
原始的数据有47行，如下图所示：
从尾部跳过5行：
df = pd.read_excel(file, sheet_name='sheet1', skipfooter=5)
8.dtype 指定某些列的数据类型
示例数据中，测试编码数据是文本，而pandas在解析的时候自动转换成了int64类型，这样codes列的首位0就会消失，造成数据错误，如下图所示
指定codes列的数据类型：
df = pd.read_excel(file, sheet_name='sheet1', header=1, dtype={'codes': str})
到此这篇关于pandas 读取excel文件的文章就介绍到这了,更多相关pandas 读取excel文件内容请搜索www.887551.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持www.887551.com！
