阅读 17 SEO

Pandas操作Excel学习笔记(2)——读取文件

通过Pandas库可以从多种格式的数据文件中读取数据,也可以将处理后的数据写入到这些文件中。pandas库中的pd.read_excel()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选择pandas库操作是不错的选择。

一、读取Excel文件的函数

  • 读取函数为:pd.read_excel(),函数的一些参数为:
pd.read_excel(io, sheet_name=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)

二、读取函数的相关参数

io

  • io指的是要读取的excel 文件存储路径.
  • 可以是绝对路径,也可以是相对路径。

sheet_name

  • sheet_name:sheet_name默认为0,即返回第一个工作表,返回多表使用sheet_name=[0,1]或sheet_name=["工作表1","工作表2"],若sheet_name= None是返回所有工作表 。
  • 注意:int/string返回的是DataFrame,而None和list返回的是dict of DataFrame。
  • 案例:
import pandas as pd
pd.read_excel("要打开的EXCEL文件.xlsx",
                sheet_name = 1)    # 读取EXCEL工作簿中的第二个工作表
pd.read_excel("要打开的EXCEL文件.xlsx",
                sheet_name = “二月”)    # 读取EXCEL工作簿中的工作表名为‘二月’的工作表
pd.read_excel("要打开的EXCEL文件.xlsx",
                sheet_name =None )    # 读取EXCEL工作簿中的所有工作表,是一个表格的字典。
df_dict = pd.read_excel("要打开的EXCEL文件.xlsx",
                sheet_name = [1,“二月”])  #读取EXCEL工作簿中的第二个工作表和表名为‘二月’的工作表
print(df_dict[1])
print(df_dict["二月"])

header

  • header :指定作为列索引的行(即通常说的标题行),默认0,即取第一行,数据为列名行以下的数据;若数据不含标题行,则设定 header = None;

index_col

  • index_col:指定作为行索引的列。

usecols

  • usecols:指定只使用哪些列
    -- None:全部(默认)
    -- str:如:usecols = 'A,C:F' # 这里的A,C,F指的是EXCEL表中的A列等。
    -- int-list:如:usecols = [0,2]
    -- str-list:如:usecols = ['姓名','成绩']
    -- lambda函数:如:lambda x: x == "姓名"
  • 建议使用str-list 方法。因为当EXCEL表结构发生变化时,易于代码维护。

skiprows

  • skiprows:省略指定行数的数据


    示例图片
import pandas as pd
pd.read_excel("要打开的EXCEL文件.xlsx",
                skiprows = [0,2] )    # 跳过索引为0和2的两行,用列表形式表达。

names

names:指定使用的标题行列名列表,如果表格不包含标题行,则应显式传递header = None

dtype

dtype:是一个字典,表示方法{‘列名’:'类型'},用来设置列的数据类型。

  • int8/int16/int32/int64(默认): 整型
  • float16/float32/float64(默认):浮点型
  • str/string: 字符串
  • bool: 布尔型
  • categort: 分类
  • datetime64[ns]: 时间戳(纳秒)
  • period[Y/M/D]: 时间周期(年/月/日)
  • object: python对象混合类型
# 类型的查看
import pandas as pd
df = pd.read_excel("要打开的EXCEL文件.xlsx")
df.dtypes  # 查看读出数据的数据类型

在这里会发现,字符型数据被识别为 object 类型。需要注意的是不能把int64类型直接转化为str类型,这时可用下列代码进行转换:

df['列名'] = df['列名'].astype('string')

parse_dates

parse_dates:将表中的日期数据转化为日期类型,例如:


未转换前识别出的数据类型

转换后识别出的数据类型

在这里就用到了一个转换,代码如下:

parse_dates = [0,1,2,3,4,5,6]  # 将列索引为0,1,2,3,4,5,6列中的数据转换为日期类型

将多列数据拼接成一个日期格式类型,例如:


年月日分开的数据表

转换代码:

import pandas as pd
df = pd.read_excel("要打开的EXCEL文件.xlsx",parse_dates = [[0, 1, 2]])

以上代码中,不使用索引,使用列名也是可以的,即:

import pandas as pd
df = pd.read_excel("要打开的EXCEL文件.xlsx",parse_dates = [['年', '月', '日']])

还可以使用字典的形式,指定合并后列名,即:

import pandas as pd
df = pd.read_excel("要打开的EXCEL文件.xlsx",parse_dates = {'日期': ['年', '月', '日']})

date_parser

date_parse须与parse_dates配合使用,可将形如以下格式的数据转换为日期格式:


中文格式日期

转换代码如下:

import pandas as pd
df = pd.read_excel(
                    "要打开的EXCEL文件.xlsx",
                    parse_dates = [0],
                    date_parser = lambda x: pd.to_datetime(
                    x,format = '%Y年%m月%d日'
                    )
)    # 这里的 parse_dates = [0],用来指定要转换的列

na_values

na_values:识别为NaN(缺失值)的其他字符串。

  • NaN意为 Not a Number <float>
  • na_values基本用法:
    -- na_values = 0
    -- na_values = '空值'
    -- na_values = ['空值',0]
    -- na_values = {'列名': ['空值',0] }
    小坑:如果单元格里有空格,读取后不会显示 NaN。
    将单元格中的0替换为NaN
import pandas as pd
df = pd.read_excel(
                    "要打开的EXCEL文件.xlsx",
                    na_values  = 0
) 

将单元格中的字符串 ‘a' 替换为NaN

import pandas as pd
df = pd.read_excel(
                    "要打开的EXCEL文件.xlsx",
                    na_values  = 'a'
) 

用列表形式传入,将单元格中的指定值替换为NaN ,如:将单元格中的字符串’a‘,0和空格替换为 NaN

import pandas as pd
df = pd.read_excel(
                    "要打开的EXCEL文件.xlsx",
                    na_values  = [ 'a',0,' ']
) 

用字典形式传入,将指定列单元格中的指定值替换为NaN,如:

import pandas as pd
df = pd.read_excel(
                    "要打开的EXCEL文件.xlsx",
                    na_values  = {'列名',[ 'a',0,' ']}

converters

converters:是一个值转换函数,默认为None,传入值为一个字典。如:


有格式符号的单元格值

要去掉这些空格符号,就可使用converters进行转换:

import pandas as pd
df = pd.read_excel(
                    "要打开的EXCEL文件.xlsx",
                    converters  ={
                    '货号': lambda x: x.strip()
                    }
)
# 也可不用lambda函数:
import pandas as pd
df = pd.read_excel(
                    "要打开的EXCEL文件.xlsx",
                    converters  ={
                    '货号': str.strip
                    }
)

也可以用它来进行一些简单的计算,如:将所有的销量值都加上5

import pandas as pd
df = pd.read_excel(
                    "要打开的EXCEL文件.xlsx",
                    converters  ={
                    '销量': lambda x: x + 5
                    }
)

今天就整理到这里,还有些参数比较简单。不笔记了。

作者:烟月不知

原文链接:https://www.jianshu.com/p/bb9154ae73a3

文章分类
后端
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 gxwowoo@163.com 举报,一经查实,本站将立刻删除。
相关推荐