python数据清洗

1.导入excel文件

import pandas as pd
pd.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)

参数	说明
io	excel存储路径-尽量使用英文路径
sheet_name	可以是整型数字、列表名或SheetN（整型数字：sheet表从0为起点，例sheet_name=0,第一个工作表;SheetN代表第N个sheet，S要大写）
header	作为列名的行，可设置多行，默认0行，header=None表示无列名
names	重新定义列名（必须与excel列数相同）
index_col	用作索引的列（可用列名或位置表示）
use_cols	需要读取的列（列名、数字[列1、列2…]）
converters	规定列的类型（converts={“商品名”:str,“价格”:float}）
skiprows	跳过某些行（skiprows= n， 跳过前n行； skiprows = [a, b, c]，索引从0开始，列名有被跳过的风险
nrows	需要读取的行数
skipfooter	跳过末尾n行

import numpy as np
import pandas as pd
df=pd.read_excel("priceindex.xlsx",header=1,converters={
   "商品名称":str,"原价":float,"现价":float})

1.1批量导入指定文件及汇总

由于每份文件需处理后做拼接，目前用了一种笨方法

citylist=["GZ","SZ"]
datelist=["0111","0112","0113","0114","0115","0116","0117"]
df_output = pd.DataFrame()
for city in citylist:
    for day in datelist:
        file=city+"缺货"+day+'.xlsx'
        df=pd.read_excel(file)
        df["日期"]=day
        df["城市"]=city
        df_output=pd.concat([df_output, df], axis=0)
df_output.to_excel("广深缺货.xlsx",index=False)

参考：python合并多个excel文件

1.2批量导入多sheet的excel文件

import xlrd
import pandas as pd
from pandas import DataFrame
 
excel_name = "北京历史天气2011-2021.xlsx"
wb = xlrd.open_workbook(excel_name)
# print(wb)
 
# 获取workbook中所有的表格
sheets =