详解pandas库pd.read_excel操作读取excel文件参数整理与实例


						除了使用xlrd库或者xlwt库进行对excel表格的操作读与写，而且pandas库同样支持excel的操作；且pandas操作更加简介方便。

首先是pd.read_excel的参数：函数为：





pd.read_excel(io, sheetname=0,header=0,skiprows=None,index_col=None,names=None,

    arse_cols=None,date_parser=None,na_values=None,thousands=None, 

    convert_float=True,has_index_names=None,converters=None,dtype=None,

    true_values=None,false_values=None,engine=None,squeeze=False,**kwds)



表格数据： 





常用参数解析：

io ：excel 路径；





In [10]: import pandas as pd

#定义路径IO

In [11]: IO = 'example.xls'

#读取excel文件

In [12]: sheet = pd.read_excel(io=IO)

#此处由于sheetname默认是0，所以返回第一个表

In [13]: sheet

Out[13]:

 姓名 年龄  出生日 爱好 关系

0 小王 23 1991-10-02 足球 朋友

1 小丽 23 1992-11-02 篮球 NaN

2 小黑 25 1991-10-18 游泳 同学

3 小白 21 1989-09-09 游戏 NaN

4 小红 25 1990-08-07 看剧 NaN

5 小米 24 1991-12-12 足球 NaN

6 大锤 26 1988-09-09 看剧 个人

#上述列表返回的结果和原表格存在合并单元格的差异



sheetname：默认是sheetname为0，返回多表使用sheetname=[0,1]，若sheetname=None是返回全表 。注意：int/string返回的是dataframe，而none和list返回的是dict of dataframe。





In [7]: sheet = pd.read_excel('example.xls',sheetname= [0,1])

#参数为None时，返回全部的表格，是一个表格的字典；

#当参数为list = [0，1，2，3]此类时，返回的多表格同样是字典

In [8]: sheet

Out[8]:

{0: 姓名 年龄  出生日 爱好 关系

 0 小王 23 1991-10-02 足球 朋友

 1 小丽 23 1992-11-02 篮球 NaN

 2 小黑 25 1991-10-18 游泳 同学

 3 小白 21 1989-09-09 游戏 NaN

 4 小红 25 1990-08-07 看剧 NaN

 5 小米 24 1991-12-12 足球 NaN

 6 大锤 26 1988-09-09 看剧 个人, 1: 1 3 5 学生

 0 2 3 4 老师

 1 4 1 9 教授}

#value是一个多位数组

In [15]: sheet[0].values

Out[15]:

array([['小王', 23, Timestamp('1991-10-02 00:00:00'), '足球', '朋友'],

  ['小丽', 23, Timestamp('1992-11-02 00:00:00'), '篮球', nan],

  ['小黑', 25, Timestamp('1991-10-18 00:00:00'), '游泳', '同学'],

  ['小白', 21, Timestamp('1989-09-09 00:00:00'), '游戏', nan],

  ['小红', 25, Timestamp('1990-08-07 00:00:00'), '看剧', nan],

  ['小米', 24, Timestamp('1991-12-12 00:00:00'), '足球', nan],

  ['大锤', 26, Timestamp('1988-09-09 00:00:00'), '看剧', '个人']], dtype=object)



#同样可以根据表头名称或者表的位置读取该表的数据

#通过表名

In [17]: sheet = pd.read_excel('example.xls',sheetname= 'Sheet2')

In [18]: sheet

Out[18]:

 1 3 5 学生

0 2 3 4 老师

1 4 1 9 教授



#通过表的位置

In [19]: sheet = pd.read_excel('example.xls',sheetname= 1)



In [20]: sheet

Out[20]:

 1 3 5 学生

0 2 3 4 老师

1 4 1 9 教授



header ：指定作为列名的行，默认0，即取第一行，数据为列名行以下的数据；若数据不含列名，则设定 header = None；





#数据不含作为列名的行

In [21]: sheet = pd.read_excel('example.xls',sheetname= 1,header = None)

In [22]: sheet

Out[22]:

 0 1 2 3

0 1 3 5 学生

1 2 3 4 老师

2 4 1 9 教授

#默认第一行数据作为列名

In [23]: sheet = pd.read_excel('example.xls',sheetname= 1,header =0)

In [24]: sheet

Out[24]:

 1 3 5 学生

0 2 3 4 老师

1 4 1 9 教授



skiprows：省略指定行数的数据





In [25]: sheet = pd.read_excel('example.xls',sheetname= 1,header = None,skiprows= 1)

#略去1行的数据，自上而下的开始略去数据的行

In [26]: sheet

Out[26]:

 0 1 2 3

0 2 3 4 老师

1 4 1 9 教授



skip_footer：省略从尾部数的行数据





In [27]: sheet = pd.read_excel('example.xls',sheetname= 1,header = None,skip_footer= 1)

#从尾部开始略去行的数据

In [28]: sheet

Out[28]:

 0 1 2 3

0 1 3 5 学生

1 2 3 4 老师



index_col ：指定列为索引列，也可以使用 u'string'





#指定第二列的数据作为行索引

In [30]: sheet = pd.read_excel('example.xls',sheetname= 1,header = None,skip_footer= 1,index_col=1)



In [31]: sheet

Out[31]:

 0 2 3

1

3 1 5 学生

3 2 4 老师



names：指定列的名字，传入一个list数据





In [32]: sheet = pd.read_excel('example.xls',sheetname= 1,header = None,skip_footer= 1,index_col=1,names=['a','b','c'])

 ...:



In [33]: sheet

Out[33]:

 a b c

1

3 1 5 学生

3 2 4 老师



总体而言，pandas库的pd.read_excel和pd.read_csv的参数比较类似，且相较之前的xlrd库的读表操作更加简单，针对一般批量的数据处理最好选择pandas库操作。但是功能有待完善或者本次研究的不够深入，比如合并单元格的问题，欢迎一起讨论交流。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持中文源码网。