Pandas数据的输入与输出： excel文件

excel文件

读取excel文件

使用read_excel()函数实现对excel文件的读取，语法如下：

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, na_filter=True, verbose=False, parse_dates=False, date_parser=None, thousands=None, decimal='.', comment=None, skipfooter=0, convert_float=None, mangle_dupe_cols=True, storage_options=None)

常用参数说明：

• io：接收任何可接受的字符串路径，文件路径。

• sheet_name：接收字符串，整数，列表或者None。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（图表工作表不计为工作表位置）。字符串/整数列表用于请求多张工作表，返回的是一个字典。默认0作为DataFrame的第一张工作表。

• header：接收整数，整数列表，默认0。把第0行作为每列的列标签。如果没有标题，请使用 None。

• names：接收array_like。如果文件不包含标题行，可以将包含列标签的列表传递给names。

• index_col：接收整数（列索引），或者整数列表，默认None。使用哪一列作为 DataFrame 的行标签。

• usecols：接收整数、字符串、类列表，默认为None。使用哪些列。

• dtype：元素类型，使用字典传入 {‘列名1’: np.float64, ‘列名2’: np.int32}

• engine：接收字符串，默认None。

  • 如果 io 不是缓冲区或路径，则必须将其设置为标识 io。支持的引擎：“xlrd”、“openpyxl”、“odf”、“pyxlsb”。引擎兼容性：
    • “xlrd”支持旧式 Excel 文件 (.xls)。
    • “openpyxl”支持更新的 Excel 文件格式。
    • “odf”支持 OpenDocument 文件格式（.odf、.ods、.odt）。
    • “pyxlsb”支持二进制 Excel 文件。
  • 如果path_or_buffer是 OpenDocument 格式（.odf、.ods、.odt），使用odf；如果path_or_buffer是 xls 格式，将被使用 xlrd；如果path_or_buffer是 xlsb 格式， 将使用pyxlsb；否则使用openpyxl。

• nrows：接收整数，默认None。需要读取的行数。

• na_values：接收标量、字符串、类列表或者字典，默认为None。以下值会被解释为NaN:

  ''、'#N/A'、'#N/AN/A'、'#NA'、'-1.#IND'、'-1.#QNAN'、 '-NaN'、'-nan'、'1.#IND'、'1.#QNAN'、'<NA>'、'N/A'、'NA'、'NULL'、'NaN'、'n /a'、'nan'、'null'
  

• parse_dates：接收布尔值、类列表或者字典，默认为False。

  • 布尔值。如果是True，尝试解析索引。
  • int 或名称列表。例如，[1, 2, 3]尝试将第 1、2、3 列分别解析为单独的日期列。
  • 二维列表。例如，如果 [[1, 3]] -> 将第 1 列和第 3 列合并，并解析为单个日期列。
  • dict，例如 {‘foo’ : [1, 3]} -> 将第 1、3 列解析为日期并调用结果 ‘foo’

• date_parser：函数，可选。用于将字符串列序列转换为日期时间实例数组的函数

返回值：

• DataFrame ：来自传入的 Excel 文件的 DataFrame。

示例：

game.xlsx文件如图所示：

该文件中共有三个表分别为：Sheet1、will、Sheet3，首先读取Sheet1，代码如下：

data = pd.read_excel('game.xlsx', sheet_name=0, index_col='整体销售排名')
data
# sheet_name=0或者sheet_name='Sheet1'都可以
# 将'整体销售排名'列设置为行索引

读取的数据如图：

也可以同时读取三个表中的数据，代码如下：

data = pd.read_excel('game.xlsx', sheet_name=[0,'will',2])
data

读取的数据被存入在字典中，其中表名为字典的键，表中的数据为值，如图：

'Sheet1’中的数据：

'will’中的数据：

'Sheet3’中的数据：

写入excel文件

使用to_excel()函数将dataframe写入到excel文件中，语法如下：

DataFrame.to_excel(excel_writer, sheet_name='Sheet1', na_rep='', float_format=None, columns=None, header=True, index=True, index_label=None, startrow=0, startcol=0, engine=None, merge_cells=True, encoding=None, inf_rep='inf', verbose=True, freeze_panes=None, storage_options=None)

常用参数说明：

• excel_writer：接收文件路径或现有ExcelWriter对象。
• sheet_name：接收字符串，默认为’Sheet1’。
• na_rep：接收字符串，默认为’'。缺失值表示。
• float_format：接收字符串，浮点数的格式字符串。例如：float_format=“%.2f”。
• columns：接收序列或者字符串列表，需要写入的列。
• header：接收布尔值，或字符串列表，默认为True。写入列名。
• index：接收布尔值，默认为True。是否写入行名。
• index_label：接收字符串或序列。如果需要，可选索引列的列标签。如果未指定，并且 header和index为 True，则使用整数索引。

返回值：

• 无返回值。

示例：

将读取的加利福尼亚房屋数据存储为excel文件，代码如下：

# 导包
from sklearn.datasets import fetch_california_housing
housing = fetch_california_housing()
housing 

对数据进行处理

# 将数据赋值给变量x
x = housing['data']
# 将数据标签赋值给变量y
y = housing['target'].reshape(-1,1)
# 将feature_names和target_names合并到一个列表中
housing['feature_names'].extend(housing['target_names'])
# 为合并后的housing['feature_names']命名
column = housing['feature_names']
column
# 将数组x和y合并，并且创建DataFrame,将column列表作为df的列名

将数据写入excel文件中

df1.to_excel('california_housing.xlsx', sheet_name='california', index=False)
# 将工作表命名为'california'，不设置行索引。

执行外代码后同路径的文件夹中会生成excel文件，文件内容如图：