Python玩转Excel，使用Python读取Excel文件如此简单！

在数据分析中，常用的Excel文件格式有两种，一种是.xlsx格式，另一种是.csv格式，这里以导入.csv格式的文件为例，借助于Python中的pandas库导入Excel数据。

pandas是一个强大的Python数据分析库，其中包含了很多CSV文件数据的读写操作，这里主要介绍pandas读取CSV文件和写入CSV文件，以下是一些需要掌握的操作：

这里推荐使用jupyter notebook，打开jupyter notebook的界面如下，要写代码可以在new中新建一个Python3。

首先导入pandas包，该数据分析包可以做多种数据处理。

学习一个函数最佳的就是学习其参数，只要掌握其参数含义，就能使用其函数的用法了，这里介绍一个使用jupyter notebook的小技巧，当输入pd.read_csv()，却不知道里面包含哪些参数时，可以在括号（）里使用电脑快捷键Shift+Tab键，就可以调出其参数。

比如这里pd.read_csv()包含如下一些参数：

pd.read_csv(filepath_or_buffer: Union[str, pathlib.Path, IO[~AnyStr]], sep=',', delimiter=None, 
            header='infer', names=None, index_col=None, usecols=None, squeeze=False, prefix=None, 
            mangle_dupe_cols=True, dtype=None, engine=None, converters=None, true_values=None, 
            false_values=None, skipinitialspace=False, skiprows=None, skipfooter=0, nrows=None, 
            na_values=None, keep_default_na=True, na_filter=True, verbose=False, skip_blank_lines=True, 
            parse_dates=False, infer_datetime_format=False, keep_date_col=False, date_parser=None, 
            dayfirst=False, cache_dates=True, iterator=False, chunksize=None, compression='infer', 
            thousands=None, decimal: str = '.', lineterminator=None, quotechar='"', quoting=0, 
            doublequote=True, escapechar=None, comment=None, encoding=None, dialect=None, 
            error_bad_lines=True, warn_bad_lines=True, delim_whitespace=False, low_memory=True, 
            memory_map=False, float_precision=None)

1. 读取 CSV 文件：

使用 Pandas 的 read_csv() 方法可以轻松地读取 CSV 文件。需要提供以下参数：

• filepath_or_buffer: 文件路径，或者是有 read 方法的流对象。
• sep: 分隔符，默认是逗号。
• header: 指定哪行作为列的名称，如果没有行作为列名，那么应该设置 header=None，并且设置 names 参数。
• names: 在 CSV 文件中没有一行来存储列名，可以使用 names 自己指定，并且设置 header=None。
• index_col: 使用哪一列作为行索引，可以是列的位置，也可以是列的名称。如果没有指定，那么默认会自动生成一个顺序索引。
• usecols: 加载哪几列。只加载某几列可以使用此参数。

2. 写入 CSV 文件：

Pandas 的 to_csv() 方法可以轻松地将数据写入 CSV 文件，pd.read_csv()包含如下一些参数：

df.to_csv(path_or_buf: Union[str, pathlib.Path, IO[~AnyStr], NoneType] = None, sep: str = ',', 
          na_rep: str = '', float_format: Union[str, NoneType] = None, 
          columns: Union[Sequence[Union[Hashable, NoneType]], NoneType] = None,
          header: Union[bool, List[str]] = True, index: bool = True, 
          index_label: Union[bool, str, Sequence[Union[Hashable, NoneType]], 
          NoneType] = None, mode: str = 'w', encoding: Union[str, NoneType] = None, 
          compression: Union[str, Mapping[str, str], NoneType] = 'infer', 
          quoting: Union[int, NoneType] = None, quotechar: str = '"', 
          line_terminator: Union[str, NoneType] = None, chunksize: Union[int, NoneType] = None, date_format: Union[str, NoneType] = None, doublequote: bool = True, escapechar: Union[str, NoneType] = None, decimal: Union[str, NoneType] = '.', errors: str = 'strict') -> Union[str, NoneType]

• data: 要写入的数据。
• sep: 分隔符，默认是逗号。
• header: 指定哪行作为列的名称，如果没有行作为列名，那么应该设置 header=None，并且设置 names 参数。
• names: 在 CSV 文件中没有一行来存储列名，可以使用 names 自己指定，并且设置 header=None。
• index_col: 使用哪一列作为行索引，可以是列的位置，也可以是列的名称。如果没有指定，那么默认会自动生成一个顺序索引。

以上介绍pandas中CSV文件的读写功能，还需大家在实践中加深理解，通过pandas学习，可以看到Python在数据处理中的优势，如果你想学习更多关于Python数据分析的内容，可点击下面的文章合辑，更多Python数据分析知识一键学习！

推荐阅读：

文章合辑 | 数据人的高薪秘诀：精通工具与分析方法！http://文章合辑 | 数据人的高薪秘诀：精通工具与分析方法！ - 大话数据分析的文章 - 知乎 https://zhuanlan.zhihu.com/p/636981895