pandas库学习之read_excel函数

pandas库学习之read_excel函数

一、简介

pandas.read_excel函数用于从Excel文件中读取数据，并将其转换为DataFrame对象。这个函数支持读取Excel 2003及以后的文件格式（.xls和.xlsx）。

二、语法和参数

pandas.read_excel(io, sheet_name=0, header=0, names=None, index_col=None, usecols=None, squeeze=None, 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, storage_options=None)

参数：

• io：字符串、路径对象、bytes、ExcelFile或xlrd.Book，表示要读取的Excel文件路径或Excel对象。
• sheet_name：字符串、整数或列表，默认值为0，表示要读取的工作表名称或索引。可以是字符串（工作表名称）、整数（工作表位置）或列表（多个工作表）。
• header：整数，默认值为0，表示作为列名的行索引。
• names：数组状，表示用作列名的列表。如果传递此参数，则header参数将被忽略。
• index_col：整数或列表，表示用作行索引的列编号或列名。
• usecols：字符串、列表或整数，表示要读取的列。
• dtype：字典，表示列的数据类型。
• converters：字典，表示列的转换函数。
• skiprows：列表、整数或可调用对象，表示要跳过的行数。
• nrows：整数，表示要读取的行数。
• na_values：标量、字符串或列表，表示要视为缺失值的值。
• keep_default_na：布尔值，表示是否保留默认的缺失值。默认值为True。
• verbose：布尔值，表示是否打印加载信息。默认值为False。
• parse_dates：布尔值或列表，表示是否将列解析为日期。
• date_parser：函数，表示用于解析日期的函数。
• thousands：字符串，表示千位分隔符。
• comment：字符串，表示注释字符，表示注释行的开头。
• skipfooter：整数，表示要跳过的文件末尾的行数。
• convert_float：布尔值，表示是否将整数转换为浮点数。默认值为True。
• mangle_dupe_cols：布尔值，表示是否处理重复列名。默认值为True。
• storage_options：字典，表示传递给文件系统的额外存储选项。

三、实例

3.1 读取单个工作表

import pandas as pd

# 假设当前目录下有一个名为example.xlsx的Excel文件
df = pd.read_excel('example.xlsx', sheet_name='Sheet1')

print(df)

输出：

   Column1  Column2
0        1        4
1        2        5
2        3        6

3.2 读取多个工作表

import pandas as pd

# 假设当前目录下有一个名为example.xlsx的Excel文件
dfs = pd.read_excel('example.xlsx', sheet_name=['Sheet1', 'Sheet2'])

for sheet, data in dfs.items():
    print(f"Sheet: {sheet}")
    print(data)

输出：

Sheet: Sheet1
   Column1  Column2
0        1        4
1        2        5
2        3        6

Sheet: Sheet2
   ColumnA  ColumnB
0       10       40
1       20       50
2       30       60

四、注意事项

1. 确保安装了必要的依赖库，如xlrd（用于读取.xls文件）或openpyxl（用于读取.xlsx文件）。

   pip install openpyxl xlrd
   

2. 当读取多个工作表时，返回的对象是一个字典，键是工作表名称，值是相应的DataFrame。

3. 使用usecols参数可以显著提高读取速度，特别是对于大型Excel文件。

4. 如果Excel文件包含合并单元格，pandas.read_excel可能会处理不当。建议在预处理阶段尽量避免使用合并单元格。