Skip to main content

excel处理

官方文档

主要函数read_excel（）​

pd.read_excel(io,            # 文件路径
              sheetname=0,   # 用于选取sheet表，默认是选取第一个sheet，即参数为0
              header=0,      # 表头,指定某一行作为列标签，默认是第一行，即参数为0
              skiprows=None, # 跳过行，默认是无
              index_col=None,# 指定用某一列作为行索引，默认是无，即没有
              usecols=None,  # 读取某些列，默认是无，表示所有的列都会被读取
              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)

dataFrame实例​

特性（重要）​

  • 默认情况下，pd框架中的属性values值是读取所有列，但缺少第一行的数据，因为第一行被当作表头处理了

image-20220817145130527

  • 语法:excel_reader = pd.read_excel("xxxx.xlsx")
入参类型说明
filenamestr文件名
sepstr分隔符
headerint指定表头，即列名
encodingstr默认第一行，header = None, 没有表头，全部为数据内容
文件编码方式，不设置此选项， Pandas 默认使用 UTF-8 来解码
index_col指定索引对应的列为数据框的行标签，
nameslist[str]列名名称： 默认 0、1、2、3 做自然排序分配给各条记录。['序号','姓名','年龄','城市']
sheet_nameint
  • 示例

数据读取​

通过指定的sheet_name​

# 获取所有sheet_name
xls = pd.ExcelFile(file_path)

# 通过遍历sheet_name来读取每个sheet，获得对应的df实例
for each_sheet_name in sheet_names:
    df = xls.parse(each_sheet_name)

通过['A']、['B'] 读取指定列数据​

result = pd.read_excel(xxx.xlsx)

# 查看指定前几行，默认前5行，指定行数写小括号里
print(result.head())

# 查看数据的（行数、列数）
print(result.shape)
#(4, 4)

# 查看列索引列表
print(result.columns.values)
# ['No' 'Name' 'Age' 'Address']

# 查看行索引列表
print(result.index.values)
# [0 1 2 3]

# 写入数据
result.to_excel('新建.xlsx')

数据修改​

df.drop(['Name'], axis=1) # 删除列
df1.drop(labels=[1,3],axis=0)   #删除行
df.drop([0, 1]) # 删除行
df.drop_duplicates() # 删除重复值

df.fillna('missing')# 使用字符串填补
df.replace('old', 'new') # old替换成new

df.rename(columns={'old_name': 'new_name'}) # 选择性更改列名

df.columns = ['a','b','c'] # 重命名列名

df.dropna(axis = 0) # 删除有缺失的行
df.dropna(axis = 1) # 删除有缺失的列
  • 按列遍历
# 首先要使用指定列数据的名称
col_names = ["C", "H", "R", "M"]
data_frame = pd.read_excel(xlsx, names=col_names)


for col_name in col_names:
    # 可以通过列名访问该列数据
    print(data_frame[col_name])
  • 按行遍历

依赖安装​

pip install openpyxl # .xlsx 文件

pip install xlrd # .xls 文件

读取excel文件​

import pandas as pd

# 读取excel文件
excel = pd.ExcelFile("xxx.xlsx")

解析成DataFrame​

# 默认读取第一个表
DataFrame = pd.read_excel(xxxx.xslx) 
DataFrame = pd.read_excel(xxxx.xslx, sheet_name="xxxx")

sheet操作​

# 按名称读取
DataFrame = pd.ExcelFile('file.xlsx', sheet_name="xxxx" ) 

# 按顺序读取
excel.parse(excel.sheet_names[0])
DataFrame = excel.parse(excel.sheet_names[0])