pandas中read_excel函数参数解析

def read_excel(
    io,
    sheet_name=0,
    header=0,
    names=None,
    index_col=None,
    usecols=None,
    squeeze=False,
    dtype=None,
    engine=None,
    converters=None,
    true_values=None,
    false_values=None,
    skiprows=None,
    nrows=None,
    na_values=None,
    keep_default_na=True,
    na_filter=True,
    verbose=False,
    parse_dates=False,
    date_parser=None,
    thousands=None,
    comment=None,
    skipfooter=0,
    convert_float=True,
    mangle_dupe_cols=True,
):

参数包括：

io: 字符串或者已经封装过的文件路径类，代表文件的路径；
sheet_name：字符串或整型（或两者的列表），或者None，默认为0，字符串（列表）表示要读取的工作表sheet的名字，整型（列表）表示工作表编号（从0开始），None表示读取所有工作表。
header：整型或整型列表，或None，默认为0，表示作为列名的行号（从0开始编号），当为整型列表时是这些行混合起来组成列名，None代表无列名。
names：字符串列表，自定义列名，默认为None。
index_col：整型或者整型列表，默认为None。如果Wie整型表示行标签所在列号（从0开始编号），如果为整型列表是这些列混合起来组成行标签，None代表无行标签。
usecols：整型，字符串型（或两者的列表），或者可调用对象，默认为None。表示要读取的列号（从0开始）（列表）列名（列表）。可调用对象当该列的返回结果为True时选择该列，None表示全部读取。当为str时可以为“A,D,F:H”表示读取A,D,F,G,H列。
squeeze：bool类型，默认为False，如果解析的数据仅包含一列，则返回Series。
dtype：
engine：读取excel时用到的引擎类型。
converters：字典类型，默认为None。将某列的值进行转换的函数，key为列号或者列名，value为带有一个参数的函数名（可调用对象）。
true_values：列表类型，视为真值。
false_values：列表类型，视为假值。
skiprows：从文件开头跳过的行号（编号从0开始）
nrows：整型，读取的行数，默认为None。
na_values：scalar、str、列表表示要视为NaN的值。当为字典时key为列号（列名）表示队每一列单独考虑。
keep_default_na：是否保持默认的NaN值指派。如na_values互不抵消使用。
na_filter：是否检查丢失值（空字符串或者是空值）。对于大文件来说数据集中没有空值，设定na_filter=False可以提升读取速度。
verbose：打印非数值列中缺失值的数量
parse_dates：默认为False，为True时解析索引；当为数字列表时如[1,2,3]解析1,2,3列的值作为独立的日期列；为[[1,3]]时把1,3列作为一个日期列；当为字典{‘foo’: [1, 3]}时把1,3列解析为日期列，列名为foo。
date_parser：用于解析日期的函数，默认使用dateutil.parser.parser来做转换。
thousands：字符串类型，千分位分割符，默认为None。
comment：标识着多余的行不被解析。如果该字符出现在行首，这一行将被全部忽略。这个参数只能是一个字符，空行（就像skip_blank_lines=True）注释行被header和skiprows忽略一样。例如如果指定comment=’#’ 解析‘#empty\na,b,c\n1,2,3’ 以header=0 那么返回结果将是以’a,b,c’作为header。
skipfooter：行末跳过的行数。
convert_float：是否将1.0,2.0之类的数转化为1,2，因为读取时会将所有的数值列读取为float类型。
mangle_dupe_cols：bool类型，默认为True，当为True时有重复的列名X时会重新声明为"X.1"，“X.2”，…，当为False时会覆盖数据。