文章目录
我们的数据大部分存在于文件当中,所以pandas会支持复杂的IO操作,pandas的API支持众多的文件格式,如CSV、SQL、XLS、JSON、HDF5。
一、Excel
1.1 read_excel
- pandas.read_excel(filepath,sheet_name = 0,header = 0,names = None,index_col = None,usecols = None)
- filepath:字符串,文件的路径对象。
- sheet_name:None、string、int、字符串列表或整数列表,默认为0。字符串用于工作表名称,整数用于零索引工作表位置,字符串列表或整数列表用于请求多个工作表,为None时获取所有工作表。
值 | 对应操作 |
---|---|
sheet_name=0 | 第一张作为DataFrame |
sheet_name=1 | 第二张作为DataFrame |
sheet_name=“Sheet1” | 第一张作DataFrame |
sheet_name=[0,1,‘Sheet5’] | 第1页,第2页和第5页作为DataFrames的字典。 |
- header:指定作为列名的行,默认0,即取第一行的值为列名。数据为列名行以下的数据;若数据不含列名,则设定 header = None。
- names:默认为None,要使用的列名列表,如不包含标题行,应显示传递header=None。
- usecols:int或list,默认为None。
- 如果为None则解析所有列
- 如果为int则表示要解析的最后一列
- 如果为int列表则表示要解析的列号列表
- 如果字符串则表示以逗号分隔的Excel列字母和列范围列表(例如“A:E”或“A,C,E:F”)。范围包括双方。
#如果报xlrd错误就安装这个包 pip install xlrd
data=pd.read_excel('data/2019.01.xlsx',sheetname='酒店订单')
data.head()
订单号 入住日期 离店日期 房间数
0 114311622368512 2019-02-01 2019-02-02 1
1 114311066222592 2019-01-31 2019-02-01 1
2 114311045054464 2019-01-31 2019-02-01 1
3 114311030996992 2019-01-31 2019-02-01 1
4 114310813687040 2019-01-31 2019-02-01 1
1.2 to_excel
-
DataFrame.to_excel(file_path, sheet_name=‘Sheet1’, na_rep=’’, columns=None, header=True, index=True)
-
file_path :文件路径
-
sheet_name :sheet名,默认为"Sheet1"
-
columns :选择需要的列索引
-
header :boolean or list of string, default True,是否写进列索引值
-
index:是否写进行索引
-
#由于有中文字符,需要安装xlsxwriter pip install xlsxwriter
data.to_excel('data/test.xlsx',engine='xlsxwriter',s