pandas 读取excel文件

pandas 读取excel文件使用的是 read_excel方法。本文将详细解析read_excel方法的常用参数，以及实际的使用示例

一 read_excel() 的基本用法

import pandas as pd

file_name = 'xxx.xlsx'
pd.read_excel(file_name)

二 read_excel() 的常用的参数:

1. io: excel路径 可以是文件路径， 类文件对象， 文件路径对象等。

2. sheet_name=0: 访问指定excel某张工作表。sheet_name可以是str, int, list 或 None类型， 默认值是0。

   • str类型 是直接指定工作表的名称

   • int类型 是指定从0开始的工作表的索引， 所以sheelt_name默认值是0，即第一个工作表。

   • list类型 是多个索引或工作表名构成的list，指定多个工作表。

   • None类型， 访问所有的工作表

   • sheet_name=0: 得到的是第1个sheet的DataFrame类型的数据

   • sheet_name=2: 得到的是第3个sheet的DataFrame类型的数据

   • sheet_name=‘Test1’: 得到的是名为’Test1’的sheet的DataFrame类型的数据

   • sheet_name=[0, 3, ‘Test5’]: 得到的是第1个，第4个和名为Test5 的工作表作为DataFrame类型的数据的字典。

3. header=0：header是标题行，通过指定具体的行索引，将该行作为数据的标题行，也就是整个数据的列名。默认首行数据（0-index）作为标题行，如果传入的是一个整数列表，那这些行将组合成一个多级列索引。没有标题行使用header=None。

4. name=None： 传入一列类数组类型的数据，用来作为数据的列名。如果文件数据不包含标题行，要显式的指出header=None。

5. skiprows：int类型， 类列表类型或可调函数。 要跳过的行号(0索引)或文件开头要跳过的行数(int)。如果可调用，可调用函数将根据行索引进行计算，如果应该跳过行则返回True，否则返回False。一个有效的可调用参数的例子是lambda x: x in [0, 1, 2]。

6. skipfooter=0: int类型， 默认0。自下而上，从尾部指定跳过行数的数据。

7. usecols=None: 指定要使用的列，如果没有默认解析所有的列。

8. index_col=None: int或元素都是int的列表， 将某列的数据作为DataFrame的行标签，如果传递了一个列表，这些列将被组合成一个多索引，如果使用usecols选择的子集，index_col将基于该子集。

9. squeeze=False, 布尔值，默认False。 如果解析的数据只有一列，返回一个Series。

10. dtype=None: 指定某列的数据类型，可以使类型名或一个对应列名与类型的字典，例 {‘A’: np.int64, ‘B’: str}

11. nrows=None: int类型，默认None。 只解析指定行数的数据。

---

三 示例

如图是演示使用的excel文件，它包含5张工作表。

1. IO：路径

举一个IO为文件对象的例子， 有些时候file文件路径的包含较复杂的中文字符串时，pandas 可能会解析文件路径失败，可以使用文件对象来解决。

file = 'xxxx.xlsx'
f = open(file, 'rb')
df = pd.read_excel(f, sheet_name='Sheet1')

f.close()  # 没有使用with的话，记得要手动释放。


# ------------- with模式 -------------------
with open(file, 'rb') as f:
    df = pd.read_excel(f, sheet_name='Sheet1')

2. sheet_name：指定工作表名

sheet_name=‘Sheet’， 指定解析名为"Sheet1"的工作表。返回一个DataFrame类型的数据。

df = pd.read_excel(file, sheet_name='Sheet1')

 
 

 
 

sheet_name=[0, 1, ‘Sheet1’], 对应的是解析文件的第1， 2张工作表和名为"Sheet1"的工作表。它返回的是一个有序字典。结构为{name：DataFrame}这种类型。

df_dict = pd.read_excel(file, sheet_name=[0,1,'Sheet1'])

 
 

 
 

sheet_name=None 会解析该文件中所有的工作表，返回一个同上的字典类型的数据。

df_dict = pd.read_excel(file, sheet_name=None)

 
 

 
 

3. header ：指定标题行

header是用来指定数据的标题行，也就是数据的列名的。本文使用的示例文件具有中英文两行列名，默认header=0是使用第一行数据作为数据的列名。

df_dict = pd.read_excel(file, sheet_name='Sheet1')

 
 

 
 

header=1， 使用指定使用第二行的英文列名。

df_dict = pd.read_excel(file, sheet_name='Sheet1', header=1)

 
 

 
 

需要注意的是，如果不行指定任何行作为列名，或数据源是无标题行的数据，可以显示的指定header=None来表明不使用列名。

df_dict = pd.read_excel(file, sheet_name='Sheet1', header=None)

 
 

 
 

4. names： 指定列名

指定数据的列名，如果数据已经有列名了，会替换掉原有的列名。

df = pd.read_excel(file, sheet_name='Sheet1', names=list('123456789ABCDE'))

 
 

 
 

上图是header=0默认第一行中文名是标题行，最后被names给替换了列名，如果只想使用names，而又对源数据不做任何修改，我们可以指定header=None

df = pd.read_excel(file, sheet_name='Sheet1', names=list('123456789ABCDE'), header=None)

 
 

 
 

5. index_col: 指定列索引

df = pd.read_excel(file, sheet_name='Sheet1', header=1, index_col=0)

 
 

 
 

6. skiprows：跳过指定行数的数据

df = pd.read_excel(file, sheet_name='Sheet1', skiprows=0)

 
 

 
 

df = pd.read_excel(file, sheet_name='Sheet1', skiprows=[1,3,5,7,9,])

 
 

 
 

header与skiprows在有些时候效果相同，例skiprows=5和header=5。因为跳过5行后就是以第六行，也就是索引为5的行默认为标题行了。需要注意的是skiprows=5的5是行数，header=5的5是索引为5的行。

df = pd.read_excel(file, sheet_name='Sheet1', header=5)

 
 

 
 

df = pd.read_excel(file, sheet_name='Sheet1', skiprows=5)

 
 

 
 

7. skipfooter：省略从尾部的行数据

原始的数据有47行，如下图所示：

从尾部跳过5行：

df = pd.read_excel(file, sheet_name='Sheet1', skipfooter=5)

 
 

 
 

8.dtype 指定某些列的数据类型

示例数据中，测试编码数据是文本，而pandas在解析的时候自动转换成了int64类型，这样codes列的首位0就会消失，造成数据错误，如下图所示

指定codes列的数据类型：

df = pd.read_excel(file, sheet_name='Sheet1', header=1, dtype={'codes': str})