python-数据分析-（9）pandas（Excel、csv）文件读写操作，常见参数分析

一、pandas中Excel文件常见操作

1. 基本语法

# import导入模块
import pandas as pd
import numpy as np
# 读取文件，在这里我读取的是本地文件，也可以直接传入绝对路径
s1 = pd.read_excel('./meal_order_detail.xlsx') 
s2 = pd.read_excel('C:\Users\Administrator\Documents\Tencent Files\1661157270\FileRecv\meal_order_detail.xlsx')

2. 参数分析
   （1）sheetname: 切换sheet表格

# 1、可以传入整型，表示从0开始的索引
# 2、可以传入表的名称
# 3、可以传入None，表示一次性获取所有表格
# 4、可以传入list，['sheetname', 2], 索引和表格连用
s1 = pd.read_excel('./meal_order_detail.xlsx', sheet_name=0)  # 指定获取某一张表
s2 = pd.read_excel('./meal_order_detail.xlsx', sheet_name=[0, 1,2])  # 列表传参，获取表的内容
s3 = pd.read_excel('./meal_order_detail.xlsx', sheet_name=None)    # 传入None，返回全部的表

（2）keys() 查看表的名称

data_name = data.keys()  
print(data_name)
dict_keys(['meal_order_detail1', 'meal_order_detail2', 'meal_order_detail3'])

（3）header 参数

# 表示选择哪一行作为索引，默认为第一行，
# 当header不为0时，会将默认为列索引之前的行全部删掉
# 当文件没有设置表头时，需要将header设置为None， 并且传入与列的数量一致的list
data = pd.read_excel('./meal_order_detail.xlsx', header=None, names=['rank','rank','rank','rank','player','club','goal','common_goal','penalty'])

（4） skiprows 跳过哪些行

# 跳过哪些行，是在读取的过程中，不去获取这些行
# 对指定行跳过之后，再重新将第一行作为表头
# 如果跳的有第一行，那么跳过后，就使用了第二行作为表头
data3 = pd.read_excel('./meal_order_detail.xlsx', skiprows=[0, 1])

（5）head： 取前五行

print(data.head)   # 取前五行
   2958  417  609957  NA  NA.1  ... 0.1  NA.6  NA.7  caipu/202003.jpg  1442
0  2961  417  609950 NaN   NaN  ...   0   NaN   NaN  caipu/303001.jpg  1442
1  2966  417  610038 NaN   NaN  ...   0   NaN   NaN  caipu/105002.jpg  1442
2  2968  417  610003 NaN   NaN  ...   0   NaN   NaN  caipu/503002.jpg  1442
3  1899  301  610019 NaN   NaN  ...   0   NaN   NaN  caipu/204002.jpg  1095
4  1902  301  609991 NaN   NaN  ...   0   NaN   NaN  caipu/201001.jpg  1095

[5 rows x 19 columns]

（6）tail： 取后五行

print(data.tail)   # 取后五行
      2958  417  609957  NA  NA.1  ... 0.1  NA.6  NA.7  caipu/202003.jpg  1442
2772  6750  774  610011 NaN   NaN  ...   0   NaN   NaN  caipu/601005.jpg  1138
2773  6742  774  609996 NaN   NaN  ...   0   NaN   NaN  caipu/201006.jpg  1138
2774  6756  774  609949 NaN   NaN  ...   0   NaN   NaN  caipu/404005.jpg  1138
2775  6763  774  610014 NaN   NaN  ...   0   NaN   NaN  caipu/302003.jpg  1138
2776  6764  774  610017 NaN   NaN  ...   0   NaN   NaN  caipu/302006.jpg  1138

[5 rows x 19 columns]

二、pandas中csv文件常见操作

1. csv 属于文本文件，逗号分隔符文件，编码一般为gbk
   基本语法

# 基本语法
data = pd.read_csv(r'F:\数据分析\第七天\meal_order_info.csv', sep=',', encoding='gbk', engine='python')
     info_id  emp_id  number_consumers  ...  order_status        phone  name
0        417    1442                 4  ...             1  18688880641   苗宇怡
1        301    1095                 3  ...             1  18688880174    赵颖
2        413    1147                 6  ...             1  18688880276   徐毅凡
3        415    1166                 4  ...             1  18688880231   张大鹏
4        392    1094                10  ...             1  18688880173   孙熙凯
..       ...     ...               ...  ...           ...          ...   ...
940      641    1095                 8  ...             1  18688880307    李靖
941      672    1089                 6  ...             1  18688880305    莫言
942      692    1155                 8  ...             1  18688880327   习一冰
943      647    1094                 4  ...             1  18688880207   章春华
944      570    1113                 8  ...             1  18688880313   唐雅嘉

[945 rows x 21 columns]

2. 参数分析
   （1）sep元素分隔符， csv文件中默认分隔符为逗号
   （2）encoding读取文件使用的编码格式
   （3）engine： 底层编译方式，默认为C语言，如果是遇到编码问题，可以尝试将engine改为pytho
3. 、保存文件

# 基本语法
data1.to_excel('11.xlsx')