【Python】pandas中的read

您所在的位置：网站首页 › excel字典函数 › 【Python】pandas中的read

【Python】pandas中的read

2024-06-20 13:25| 来源: 网络整理| 查看: 265

本文目录

前言一、read_excel()函数简介1.1 基础语法二、to_excel()函数简介三、代码案例读取并处理Excel数据场景2：合并多个Excel工作表写入格式化的Excel文件四、read_excel()数据实战函数原型sheetnameheaderskiprowsskip_footerindex_colnames五、to_excel()数据实战excel_writersheet_namena_repcolumsheaderindex总结前言

Pandas是Python中用于数据分析和操作的强大库，它提供了许多方便的函数来处理各种格式的数据。

Excel文件作为一种常见的数据存储格式，在数据处理中经常用到。

Pandas提供了read_excel()函数来读取Excel文件，以及to_excel()函数将数据写入Excel。

本文将详细解析这两个函数的用法，并通过代码示例展示它们在不同场景下的应用。

一、read_excel()函数简介

Pandas是一个开源的数据分析和操作库，它提供了快速、灵活和表达力强的数据结构，旨在使数据清洗和分析工作变得更加简单易行。Pandas是基于NumPy构建的，因此可以与NumPy无缝集成。

read_excel()函数用于读取Excel文件并将其转换为Pandas的DataFrame对象。这是处理Excel数据的基础。

1.1 基础语法代码语言：javascript复制pandas.read_excel(io, sheet_name=0, header=0, names=None, index_col=None, usecols=None, dtype=None, engine=None, converters=None, true_values=None, false_values=None, skiprows=None, nrows=None, na_values=None, keep_default_na=True, verbose=True, parse_dates=False, date_parser=None, thousands=None, comment=None, skipfooter=0, convert_float=True, mangle_dupe_cols=True, **kwds)

常用的参数说明：

代码语言：javascript复制io : string, path object ; excel 路径。 sheetname : string, int, mixed list of strings/ints, or None, default 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 header : int, list of ints, default 0 指定列名行，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 skiprows : list-like,Rows to skip at the beginning，省略指定行数的数据 skip_footer : int,default 0, 省略从尾部数的int行数据 index_col : int, list of ints, default None指定列为索引列，也可以使用u”strings” names : array-like, default None, 指定列的名字。

示例代码

代码语言：javascript复制import pandas as pd # 读取Excel文件 df = pd.read_excel('path_to_your_excel_file.xlsx') # 只读取特定的列 df = pd.read_excel('path_to_your_excel_file.xlsx', usecols=['Column1', 'Column2'])二、to_excel()函数简介

to_excel()函数用于将DataFrame对象写入Excel文件。你可以控制输出的格式、工作表名称等。

基础语法

代码语言：javascript复制DataFrame.to_excel(io, excel_writer, sheet_name='Sheet1', na_rep='', float_format=None, columns=None, header=True, index=True, index_label=None, startrow=0, startcol=0, engine=None, merge_cells=True, encoding=None, inf_rep='inf', verbose=True, freeze_panes=None, storage_options=None)

常用的参数说明：

代码语言：javascript复制io: Excel文件的路径或文件对象。 sheet_name: 写入的工作表名称。 na_rep: 缺失值的表示方式，默认为空字符串。 columns: 指定要写入的列。 header: 是否写入列名。 index: 是否写入索引。

示例代码

代码语言：javascript复制# 将DataFrame写入Excel文件 df.to_excel('output_excel_file.xlsx', sheet_name='Sheet1') # 只写入特定的列 df.to_excel('output_excel_file.xlsx', columns=['Column1', 'Column2'])三、代码案例读取并处理Excel数据代码语言：javascript复制# 读取Excel文件 df = pd.read_excel('data.xlsx') # 数据清洗：去除重复记录 df = df.drop_duplicates() # 将处理后的数据写回Excel df.to_excel('cleaned_data.xlsx')场景2：合并多个Excel工作表代码语言：javascript复制# 读取Excel文件中的所有工作表 xls = pd.ExcelFile('multi_sheets.xlsx') # 遍历工作表并读取数据 dfs = {sheet: xls.parse(sheet) for sheet in xls.sheet_names} # 合并所有工作表的数据 combined_df = pd.concat(dfs.values(), ignore_index=True) # 将合并后的数据写入新的Excel文件 combined_df.to_excel('combined_data.xlsx', index=False)写入格式化的Excel文件代码语言：javascript复制# 写入Excel文件，指定列名和不写入索引 df.to_excel('formatted_data.xlsx', index=False, header=True, columns=['Column1', 'Column2']) # 使用ExcelWriter来设置工作表的格式 with pd.ExcelWriter('styled_data.xlsx', engine='xlsxwriter') as writer: df.to_excel(writer, sheet_name='Sheet1', startrow=2, startcol=3, index=False) workbook = writer.book worksheet = writer.sheets['Sheet1'] worksheet.set_column('A:D', 15) # 设置列宽四、read_excel()数据实战

假设我们拥有数据源如下：

代码语言：javascript复制sheet1: ID NUM-1 NUM-2 NUM-3 36901 142 168 661 36902 78 521 602 36903 144 600 521 36904 95 457 468 36905 69 596 695 sheet2： ID NUM-1 NUM-2 NUM-3 36906 190 527 691 36907 101 403 470函数原型代码语言：javascript复制basestation ="F://pythonBook_PyPDAM/data/test.xls" data = pd.read_excel(basestation) print data

输出一个dataframe

代码语言：javascript复制 ID NUM-1 NUM-2 NUM-3 0 36901 142 168 661 1 36902 78 521 602 2 36903 144 600 521 3 36904 95 457 468 4 36905 69 596 695sheetname

sheetname参数：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

代码语言：javascript复制data_1 = pd.read_excel(basestation,sheetname=[0,1]) print data_1 print type(data_1)

输出：dict of dataframe

代码语言：javascript复制OrderedDict([(0, ID NUM-1 NUM-2 NUM-3 0 36901 142 168 661 1 36902 78 521 602 2 36903 144 600 521 3 36904 95 457 468 4 36905 69 596 695), (1, ID NUM-1 NUM-2 NUM-3 0 36906 190 527 691 1 36907 101 403 470)])header

指定列名行，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 ，注意这里还有列名的一行。

代码语言：javascript复制data = pd.read_excel(basestation,header=None) print data 输出： 0 1 2 3 0 ID NUM-1 NUM-2 NUM-3 1 36901 142 168 661 2 36902 78 521 602 3 36903 144 600 521 4 36904 95 457 468 5 36905 69 596 695 data = pd.read_excel(basestation,header=[3]) print data 输出： 36903 144 600 521 0 36904 95 457 468 1 36905 69 596 695skiprows

省略指定行数的数据

代码语言：javascript复制data = pd.read_excel(basestation,skiprows = [1]) print data 输出: ID NUM-1 NUM-2 NUM-3 0 36902 78 521 602 1 36903 144 600 521 2 36904 95 457 468 3 36905 69 596 695skip_footer

省略从尾部数的int行的数据

代码语言：javascript复制data = pd.read_excel(basestation, skip_footer=3) print data 输出： ID NUM-1 NUM-2 NUM-3 0 36901 142 168 661 1 36902 78 521 602index_col

指定列为索引列，也可以使用u”strings”

代码语言：javascript复制data = pd.read_excel(basestation, index_col="NUM-3") print data 输出： ID NUM-1 NUM-2 NUM-3 661 36901 142 168 602 36902 78 521 521 36903 144 600 468 36904 95 457 695 36905 69 596names

指定列的名字。

代码语言：javascript复制data = pd.read_excel(basestation,names=["a","b","c","e"]) print data a b c e 0 36901 142 168 661 1 36902 78 521 602 2 36903 144 600 521 3 36904 95 457 468 4 36905 69 596 695五、to_excel()数据实战

数据源

代码语言：javascript复制 ID NUM-1 NUM-2 NUM-3 0 36901 142 168 661 1 36902 78 521 602 2 36903 144 600 521 3 36904 95 457 468 4 36905 69 596 695 5 36906 165 453 加载数据： basestation ="F://python/data/test.xls" basestation_end ="F://python/data/test_end.xls" data = pd.read_excel(basestation)excel_writer

参数excel_writer，输出路径。

代码语言：javascript复制data.to_excel(basestation_end) 输出： ID NUM-1 NUM-2 NUM-3 0 36901 142 168 661 1 36902 78 521 602 2 36903 144 600 521 3 36904 95 457 468 4 36905 69 596 695 5 36906 165 453 sheet_name

将数据存储在excel的那个sheet页面。

代码语言：javascript复制data.to_excel(basestation_end,sheet_name="sheet2")na_rep

缺失值填充

代码语言：javascript复制data.to_excel(basestation_end,na_rep="NULL") 输出： ID NUM-1 NUM-2 NUM-3 0 36901 142 168 661 1 36902 78 521 602 2 36903 144 600 521 3 36904 95 457 468 4 36905 69 596 695 5 36906 165 453 NULLcolums

sequence, optional，Columns to write 选择输出的的列。

代码语言：javascript复制data.to_excel(basestation_end,columns=["ID"]) 输出 ID 0 36901 1 36902 2 36903 3 36904 4 36905 5 36906header

boolean or list of string，默认为True,可以用list命名列的名字。header = False 则不输出题头。

代码语言：javascript复制data.to_excel(basestation_end,header=["a","b","c","d"]) 输出： a b c d 0 36901 142 168 661 1 36902 78 521 602 2 36903 144 600 521 3 36904 95 457 468 4 36905 69 596 695 5 36906 165 453 data.to_excel(basestation_end,header=False,columns=["ID"]) header = False 则不输出题头输出： 0 36901 1 36902 2 36903 3 36904 4 36905 5 36906index

index：boolean, default True Write row names (index) 默认为True，显示index，当index=False 则不显示行索引（名字）。

index_label : string or sequence, default None 设置索引列的列名。

代码语言：javascript复制data.to_excel(basestation_end,index=False) 输出： ID NUM-1 NUM-2 NUM-3 36901 142 168 661 36902 78 521 602 36903 144 600 521 36904 95 457 468 36905 69 596 695 36906 165 453 data.to_excel(basestation_end,index_label=["f"]) 输出： f ID NUM-1 NUM-2 NUM-3 0 36901 142 168 661 1 36902 78 521 602 2 36903 144 600 521 3 36904 95 457 468 4 36905 69 596 695 5 36906 165 453

【本文地址】

【Python】pandas中的read

【Python】pandas中的read

今日新闻

推荐新闻