pd.read_excel参数含义

pd.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,verbose=False,parse_dates=False,date_parser=None,thousands=None,comment=None,skipfooter=0,convert_float=True, mangle_dupe_cols=True, **kwds)

一、参数解读

1、io

（1）作用：Excel 文件路径或文件对象（如 URL、文件句柄）。
（2）示例：
pd.read_excel('data.xlsx')          # 本地文件
pd.read_excel('https://example.com/data.xlsx')  # 网络文件

2、sheet_name

（1）作用：指定读取的工作表。
（2）可选值：
整数（从 0 开始，如 0 表示第一个工作表）
字符串（工作表名称，如 'Sheet1'）
None（读取所有工作表，返回字典）
（3）示例：
pd.read_excel('data.xlsx', sheet_name=0)    # 读取第一个工作表
pd.read_excel('data.xlsx', sheet_name='月度数据')  # 按名称读取

3、header

（1）作用：指定列名（表头）所在的行号（从 0 开始）。
（2）默认：0（第一行为列名）。
（3）示例：
pd.read_excel('data.xlsx', header=2)  # 第三行为列名
pd.read_excel('data.xlsx', header=None)  # 无列名，自动生成数字列名

4、names

（1）作用：自定义列名列表，覆盖原有列名。
（2）示例：
pd.read_excel('data.xlsx', names=['ID', 'Name', 'Value'])

5、index_col

（1）作用：指定作为行索引的列（可以是列名或列序号）。
（2）示例：
pd.read_excel('data.xlsx', index_col=0)       # 第一列作为索引
pd.read_excel('data.xlsx', index_col='ID')    # 列名为 'ID' 的列作为索引

6、usecols

（1）作用：选择读取的列范围。
（2）格式：
列字母范围（如 'A:C' 或 'A,B,D:F'）
列序号列表（如 [0, 2, 3]）
列名列表（如 ['Name', 'Age']）
（3）示例：
pd.read_excel('data.xlsx', usecols='A:C')          # 读取 A 到 C 列
pd.read_excel('data.xlsx', usecols=[0, 2])         # 读取第1列和第3列
pd.read_excel('data.xlsx', usecols=['Name', 'Age'])  # 按列名选择

7、dtype

（1）作用：指定列的数据类型（避免自动推断错误）。
（2）格式：字典 {'列名': 类型}，如 {'Age': 'int', 'Price': 'float'}
（3）示例：
pd.read_excel('data.xlsx', dtype={'Age': 'int32', 'Score': 'float64'})

8、converters

（1）作用：自定义函数对列数据进行预处理。
（2）示例：将电话号码转换为字符串（避免丢失前导零）：
converters = {'Phone': lambda x: str(x)}
pd.read_excel('data.xlsx', converters=converters)

9、na_values 数据处理参数

（1）作用：定义哪些值应被视为缺失值（NaN）。
（2）示例：
pd.read_excel('data.xlsx', na_values=['NA', 'N/A', '缺失'])

10、skiprows / nrows** 数据处理参数

（1）作用：跳过前 N 行 / 仅读取前 N 行。
（2）示例：
pd.read_excel('data.xlsx', skiprows=3)  # 跳过前3行
pd.read_excel('data.xlsx', nrows=100)   # 仅读取前100行

11、parse_dates 数据处理参数

（1）作用：将指定列解析为日期类型。
（2）示例：
pd.read_excel('data.xlsx', parse_dates=['Birthday'])  # 解析列为日期
pd.read_excel('data.xlsx', parse_dates=[[1, 2, 3]])   # 合并多列为日期

12、date_parser 数据处理参数

（1）作用：自定义日期解析函数（需与 parse_dates 配合）。
（2）示例：
from datetime import datetime
date_parser = lambda x: datetime.strptime(x, "%Y-%m-%d %H:%M:%S")
pd.read_excel('data.xlsx', parse_dates=['Timestamp'], date_parser=date_parser)

13、engine 性能优化参数

（1）作用：指定解析引擎，可选 'openpyxl'（默认）或 'xlrd'。
（2）注意：xlrd 仅支持旧版 .xls 文件。

14、memory_map 性能优化参数

（1）作用：内存映射文件（适用于大文件，但可能不稳定）。

15、true_values / false_values** 其他实用参数

（1）作用：定义哪些值应被解析为布尔值 True 或 False。
（2）示例：
pd.read_excel('data.xlsx', true_values=['Yes', 'T'], false_values=['No', 'F'])

16、skipfooter 其他实用参数

（1）作用：跳过文件末尾的 N 行。
（2）示例：
pd.read_excel('data.xlsx', skipfooter=2)  # 跳过最后2行

17、thousands 其他实用参数

（1）作用：指定千分位分隔符（如 ',' 或 '.'）。
（2）示例：
pd.read_excel('data.xlsx', thousands=',')  # 将 "1,000" 解析为 1000

二、常见问题与示例

1、场景 1：读取特定列并指定类型

df = pd.read_excel(
    'sales.xlsx',
    usecols=['Product', 'Price', 'Quantity'],
    dtype={'Price': 'float32', 'Quantity': 'int16'}
)

2、场景 2：处理复杂日期格式

# 自定义日期解析函数
def custom_date_parser(date_str):
    return pd.to_datetime(date_str, format='%d-%m-%Y %H:%M')

df = pd.read_excel(
    'log.xlsx',
    parse_dates=['EventTime'],
    date_parser=custom_date_parser
)

3、场景 3：跳过注释行和页脚

df = pd.read_excel(
    'data.xlsx',
    skiprows=5,      # 跳过前5行（如文件头部的注释）
    skipfooter=3     # 跳过最后3行（如页脚的总计）
)

三、总结

1、关键参数：

io, sheet_name, header, usecols, dtype, parse_dates。

2、错误处理：

若列名重复，设置 mangle_dupe_cols=True（默认）。

3、性能优化：

大文件建议分块读取（如 chunksize=1000）。