50_Pandas读取 Excel 文件 (xlsx, xls)

本文介绍: 50_Pand a s 读取 Ex cel 文件 (xlsx, x ls)要使用 pandas 将 Ex cel 文件（扩展名：.xlsx、.x ls）作为 pandas.DataFram e 读取，请使用 pandas.read _excel () 函数。这里，将描述以下内容。openpyxl、xlrd的安装 pandas.read _excel()的基本用法通过编号/工作表名称指定要读取的工作表：参数 sheet _name 读取一张Sh ee t 读取多张Sh ee t 加载所有Sh ee t 指定标头、索引：参数 he

50_Pand a s 读取 Ex cel 文件 (xlsx, x ls)

要使用 pandas 将 Ex cel 文件（扩展名：.xlsx、.x ls）作为 pan da s.DataFram e 读取，请使用 pan da s.read _excel () 函数。

这里，将描述以下内容。

open pyxl、xlr d的安装
pan d a s.read _excel()的基本用法
通过编号/工作表名称指定要读取的工作表：参数 sheet_name
- 读取一张Sh ee t
- 读取多张She e t
- 加载所有She e t
指定标头、索引：参数 header、index_col
指定要读取的列和不读取的行：参数 use cols、ski rows、skip footer

以下面的 xlsx 文件为例。

sheet1

        A   B   C
one     11  12  13
two     21  22  23
three   31  32  33

sheet2

        AA  BB  CC
ONE     11  12  13
TWO     21  22  23
THREE   31  32  33

openpyxl、xlr d的安装

pan d as.read_exc el () 在内部使用名为 openpyxl 和 xlrd 的库。

openpyxl 和 xlrd 是在 Py th on 中读取和写入 Excel 文件（.xlsx、.xls）的库。

openpyxl 和 xlrd 都可以用 pip 安装。

$ pip install openpyxl
$ pip install xlrd

pandas.read_exc el()的基本用法

在第一个参数 io 中指定 Excel 文件的路径或 URL。如果您有多个工作表，则只有第一个工作表将作为 pandas.DataFrame 加载。

import pandas as pd

print(pd.__version__)
# 1.2.2

df = pd.read_excel('./data/sample.xlsx', index_col=0)
print(df)
#         A   B   C
# one    11  12  13
# two    21  22  23
# three  31  32  33

print(type(df))
# &lt;class 'pandas.core.frame.DataFrame'&gt;

In dex_col = 0 设置为使第一列索引。稍后将描述细节。该示例读取 .xlsx 文件（Excel2007 之后的 Exc el 文件），但同样适用于 .xls 文件（Exc el97-2003 的 Excel 文件）。

通过编号/工作表名称指定要读取的工作表：参数 sheet_name

读取一张Sheet

要读取的工作表可以由参数 sheet_name 指定。通过以 0 开头的数字或工作表名称指定。

df_sheet_index = pd.read_excel('./data/sample.xlsx', sheet_name=0, index_col=0)
print(df_sheet_index)
#         A   B   C
# one    11  12  13
# two    21  22  23
# three  31  32  33

df_sheet_name = pd.read_excel('./data/sample.xlsx', sheet_name='sheet2', index_col=0)
print(df_sheet_name)
#        AA  BB  CC
# ONE    11  12  13
# TWO    21  22  23
# THREE  31  32  33

读取多张Sheet

也可以在参数 sheet_name 中指定一个列表。您可以使用起始编号或工作表名称。指定的数字或工作表名称被读取为键 key，该工作表的数据 p andas.DataFrame 被读取为值为 value 的字典 dict。

df_sheet_multi = pd.read_excel('./data/sample.xlsx', sheet_name=[0, 'sheet2'], index_col=0)
print(type(df_sheet_multi))
# <class 'dict'&gt;

print(len(df_sheet_multi))
# 2

print(df_sheet_multi.keys())
# dict_keys([0, 'sheet2'])

读取时由数字指定的工作表的键是数字，由工作表名称指定的工作表的键是工作表名称。

print(df_sheet_multi[0])
#         A   B   C
# one    11  12  13
# two    21  22  23
# three  31  32  33

print(type(df_sheet_multi[0]))
# <class 'pandas.core.frame.DataFrame'&gt;

print(df_sheet_multi['sheet2'])
#        AA  BB  CC
# ONE    11  12  13
# TWO    21  22  23
# THREE  31  32  33

print(type(df_sheet_multi['sheet2']))
# <class 'pandas.core.frame.DataFrame'>

加载所有Sheet

如果设置了参数 sheet_name = None，则将读取所有工作表。

df_sheet_all = pd.read_excel('./data/sample.xlsx', sheet_name=None, index_col=0)
print(type(df_sheet_all))
# <class 'dict'>

print(df_sheet_all.keys())
# dict_keys(['sheet1', 'sheet2'])

指定标头、索引：参数header、index_col

要指定用作标题（p andas.DataFrame 的列名列）和索引（pandas.DataFrame 的行名索引）的行或列，请将行号/列号以 0 开头分别传递给参数 header 和 index_col。

如果 header 和 i ndex_col 设置为 None，特定的行和列将不会用于 headers 和索引，它们将是从 0 开始的序列号。

df_header_index = pd.read_excel('./data/sample.xlsx', header=None, index_col=None)
print(df_header_index)
#        0   1   2   3
# 0    NaN   A   B   C
# 1    one  11  12  13
# 2    two  21  22  23
# 3  three  31  32  33

print(df_header_index.columns)
# Int64Index([0, 1, 2, 3], dtype='int64')

print(df_header_index.index)
# RangeIndex(start=0, stop=4, step=1)

默认为 header = 0（= 第一行是列），index_col = None（= 没有指定列作为索引）。

df_default = pd.read_excel('./data/sample.xlsx')
print(df_default)
#   Unnamed: 0   A   B   C
# 0        one  11  12  13
# 1        two  21  22  23
# 2      three  31  32  33

print(df_default.columns)
# Index(['Unnamed: 0', 'A', 'B', 'C'], dtype='object')

print(df_default.index)
# RangeIndex(start=0, stop=3, step=1)

如果pandas的版本比较旧，如果header中指定的行的第一个元素是NaN，即使默认也使用第一列作为索引（index_col = None）（源码未确认，所以不知道是什么类型的）处理它是。）。如果要将第一列设置为索引，可以显式设置 index_c ol = 0 ，任何版本都可以放心。

print(pd.read_excel('./data/sample.xlsx', index_col=0))
#         A   B   C
# one    11  12  13
# two    21  22  23
# three  31  32  33

也可以在参数名称中指定任何列名称列，如在读取 csv 文件的 read_csv () 中。有关详细信息，请参阅以下文章。

03_Pandas读取csv/tsv文件（read_csv，read_table）

指定要读取的列和不读取的行：参数 use cols、ski rows、skip footer

如果不需要读取所有行/列，您可以指定读取哪些列和不读取哪些行。

在参数 use cols 中传递要读取的列号列表，在参数 skip rows 中传递要跳过（未读取）的行号列表，在参数 skip footer 中传递要跳过（未读取）的最后行数。

df_use_skip = pd.read_excel('./data/sample.xlsx', index_col=0,
                            usecols=[0, 1, 3], skiprows=[1], skipfooter=1)
print(df_use_skip)
#       A   C
# two  21  23