pandas 使用小技巧

最近有用pandas制作报表和数据分析的需求，在此记录下一些小技巧：

1、加载excel文件

pandas.read_excel(io, sheet_name=0, header=0, names=None, index_col=None, usecols=None, squeeze=False, dtype=None, engine=None, converters=None, true_values=None, false_values=None, skiprows=None, nrows=None, na_values=None, parse_dates=False, date_parser=None, thousands=None, comment=None, skipfooter=0, convert_float=True, **kwds)

io：excel文件，可以是文件路径、文件网址、file-like对象、xlrd workbook
sheetname：返回指定的sheet，参数可以是字符串（sheet名）、整型（sheet索引）、list（元素为字符串和整型，返回字典{‘key’:’sheet’}）、none（返回字典，全部sheet）
header：指定数据表的表头，参数可以是int、list of ints，即为索引行数为表头
names：返回指定name的列，参数为array-like对象。 index_col：设定索引的列，参数可以是int、list of ints
usecol：设定需要解析的列，默认为None，代表解析素有，如果直传一个int，代表解析到最后的那个列，如果传的是list则返回的是限定的列，比如：“A:E”或“A,C,E:F”或 [‘A’,’B’]
squeeze：如果解析的数据只包含一列数据，则返回一个Series，默认返回为DataFrame
dtype：可以制定每列的类型，示例：{‘a’: np.float64, ‘b’: np.int32} engine：如果 io
不是缓冲区或路径，则必须设置 io。 可接受的值是 None 或 xlrd converters：自定形式，设定对应的列要用的转换函数。
true_values：设定安歇为True值，不常用 false_values：设定哪些为False值，不常用
shiprows：需要跳过的行，list-like类型 nrows：要分析的行数 na_values：N/A值列表
parse_dates：传入的是list，将指定的类解析为date格式
date_parser：指定将输入的字符串转换为可变的时间数据。Pandas默认的数据读取格式是‘YYYY-MM-DD
HH:MM:SS’。如需要读取的数据没有默认的格式，就要人工定义。 thousands：千位分格数字的解析
comment：设定注释标识，在注释内的内容不解析 skipfooter：跳过末尾行
convert_float：将小数位为0的float类型转为int

如当表很大不需要用到所有列的时候，可以使用usecol选择需要的列。

查看列：

df.columns

2、导出

DataFrame.to_excel(excel_writer,