pandas输出到excel_pandas.read_excel简介

本次推送给大家详细介绍pandas.read_excel的一些常用功能，使我们更方便地运用Python对Excel文件进行数据处理。我们用一个例子来介绍pandas.read.excel的用法，数据用到是Excel下两个Sheet，Sheet1是math grade，Sheet2是 English grade。

// sheet_name用法

如果想要导入EXCEL里特定的Sheet，则可以用sheet_name=[‘’]，不输入则默认导入第一个sheet ，若想导入两个及以上sheet则可以用逗号隔开。如下两幅图，没用使用sheet_name默认导入的是sheet1：mathgrade，使用sheet_name则可以指定导入想要的sheet。 ●●

//header/names用法

names是用来给导入的EXCEL列命名或重命名，若是数据本身没有表头，需要命名，则要header=None连用。如下图我们可以看到，第一张对表列名进行了重命名，第二张加入header=None原本的列名被视为数据，names则是给数据新加上列名。 ●●

// comment用法

在EXCEL中，我们时常会给数据进行备注，导入数据时，我们可能并不愿意让它出现，此时可以用到comment，如下图，Tylor没有来考试，我们'#'对正文和备注进行了分隔备注了absent，当我们用comment=‘#’(‘ ’内即用来分隔注释和正文的符号)时，导入数据不再显示注释内容 ●●

// usecols/skiprows/nrows/index_col用法

有时候我们并不需导入全部的数据，只想导入特定的行列。 Usecols：确定导入的列，如下即是导入a到c列； skiprows：从文件开头起要跳过的行； nrows：从文件开头起导入的行数； index_col：用于确定作为索引的列，如：index_col=’name’用名字索引，index_col=’id’用学号索引。 ●●

// converters/dtype用法

有的时候我们要对数据固定类型。 converters：在某些列中转换值的函数的命令。键可以是整数或列标签，值是接受一个输入参数的函数，Excel单元格内容，并返回转换后的内容； dtype：确定数据或列的数据类型。(converters和dytpe不要同时使用哦)如下图，用converters将分数固定成了整型 ●●

// 其他一些参数简介

verbose：打印各种解析器输出的信息，比如非数值列中缺失值数量。

squeeze：如果解析数据只包含一列，返回一个series。

thousands：将字符串列解析为数字的数千个分隔符。

na_values：需要用NA替换的值序列。

skip_footer：忽略文件尾部行数。

parse_dates：尝试将数据解析为datetime，默认是False。如果为True，将尝试所有的列，也可以指定列名解析。●●

参考文献 ●●

// 1

｜https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_excel.html?highlight=read_excel#pandas.read_excel

// 2

｜《利用python进行数据分析》.Wes Mckinney