pandas数据处理:常用却不甚了解的函数,pd.read_excel()

在这里插入图片描述

人们经常用pandas处理表格型数据,时常需要读入excel表格数据,很多人一般都是直接这么用:pd.read_excel(“文件路径文件名”),再多一点的设置可能是转义一下路径中的斜杠,一旦原始的excel表不是很规整,这样简单读入势必报错!

其实这个函数有很多参数可以设置,为了应对各式excel表满足各种读入的需求,我们来详细了解下pd.excel()中的主要参数。

首先,认识一下pd.read_excel(),函数的官方文档是这么说的:将Excel文件读取到pandas DataFrame中,支持本地文件系统或URL的’xls’和’xlsx’文件扩展名,带有这两种扩展名的文件,函数都可以处理;

然后它的函数完整版长这个样子:
在这里插入图片描述

没想到吧,它它它…它居然有二十多个参数,是不是有点出乎意料,接下来认识下这些参数都是做什么用的吧!

io参数

io参数可以接受的有:str,Excel文件,xlrd.Book,路径对象或类似文件的对象,其中最常用的是str,一般是文件路径+文件名,需要注意的是文件名字不要漏掉后缀,即文件扩展名,表明文件类型的那个!有时候需要对路径中的”\”进行转义,io参数没有默认值,必须传入。

举个例子:

在这里插入图片描述

输出结果:
1

sheet_name参数

sheet_name参数可以接收的有:str,int,list或None,默认0

其中,字符串用于工作表名称。 整数用于零索引工作表位置。 字符串/整数列表用于请求多个工作表。设置None获取所有工作表。

有时候一个excel工作簿中包含有很多个sheet工作表,如果不指定默认为0,数据读入的时候默认读入的是第一个位置的sheet。

常用的是指定sheet位置或者名字,还是来个例子:

在这里插入图片描述

输出结果和不指定sheet时的结果是一样的,因为默认的就是第0个sheet:

指定另一个位置的sheet:
在这里插入图片描述
输出结果:
1
在这里插入图片描述
输出结果,能够看到结果和sheet_name=1的结果是一样的:

1

可以看一下原表中sheet的名字就能理解名字为data2的sheet正好在第1个位置(名字为data1的sheet在第0个位置)

1

通过名字读取另一个sheet就不在这里赘述了,我们看看这个参数还有两种可以接收的对象,挨个看下是什么样的效果吧。

sheet_name参数的其他设置

在这里插入图片描述
输出结果:
1
在这里插入图片描述
输出结果:
1

能够看到比上边只读入两个sheet工作表的命令相比,这里多了data3这个工作表!

综上,sheet_name空值既可以通过sheet位置也可以通过sheet名字来指定读入哪个sheet的数据。

header参数

这个参数是用来指定哪一行作为列名的,默认是第0行,接收的参数可以是整数(指定第几行作为列名),可以是有整数组成的列表(指定哪几行作为列名,是的,列名可以有多行,是不是有点突破认知?),也可以是None(没有列名)。

比如这种数据就需要在读入数据的时候指定哪一行作为列名:
1

开头有空行,直接读取试一下:

在这里插入图片描述
是这种效果(截取部分数据图像):
1

header参数可以有效的解决这个问题,可以看到行标签为1的数据才是我们需要的列名,所以在读取数据的时候进行设置就可以了:

在这里插入图片描述
输出结果:

1
这样就符合要求了!

对header参数的其他设置

为了满足好奇心,我们也实验一下其他的参数,比如整数组成的列表,提前预告,读出来不一定符合业务逻辑要求哦。

在这里插入图片描述
输出结果:
在这里插入图片描述

能看到的确有两行列名!

如果不要列名是什么样子呢?
在这里插入图片描述
输出结果:
在这里插入图片描述

不指定列名后的效果就是这样的了!

names参数

官方文档说这个参数接收 array-like, 默认 None,表示要使用的列名列表,如果不需要列名,请设置header = None,如果header = None和names参数都设置的话,依然会显示names指定的列名。

还是通过实例来感受下参数的作用吧,为了节省篇幅,代码放入截图中:

如果原始表格中的列名不符合需求,比如上图中很明显是进行聚合后系统生成的列名,在读入数据的时候可以根据需求自定义列名,需要注意的是指定的列名和原数据中的列名是依据位置一一对应的,顺序不要乱了!

index_col参数

官方文档说这个参数接收整数,或者由整数组成的列表,默认是None。

这个参数的作用是指定用哪一列做为行索引。如果传给参数的是整数n,则表示指定第n列作为行索引,如果传入的是列表,则表示需要指定多列作为行索引。上一篇文章中介绍了header参数,是指定由哪一行作为列名,也是传入整数或者整数组成的列表,可以对比记忆。

来个例子感受一下:

上边的例子分别采用了默认值None,整数0和列表[0,1]对index_col进行了设置,用法和效果一目了然。

usecols参数

看下官方文档是怎么说的:该参数接收整数,字符或者类似列表的序列,默认值是None,返回的是列的子集,直白点解释就是在读入表格的时候不是所有的列都会被读入,可以通过usecols参数来设置要把哪些列读取进来。

  • 如果是None,表示所有的列都会被读取
  • 如果是整数,表示被读取进来的最后一列,比如说传整数n给usecols,那么最终读取进来的是第0到第n列,注意不是只把第n列读进来。如果像要只读某一列怎么办呢?别急,接着往下看。
  • 如果是列表,表示选取指定的列读取,比如像要只读入第n列,这样就可以usecols=[n],如果是多列,就把多个整数放入一个列表中传递给参数。需要留心的是,列表中不止可以传入整数,也可以是字段名组成的列表。

温馨提示:如果设置了names参数,注意设置的列名个数要和读取的列数一致

来个直观的例子感受下:

结合对参数的文字说明看例子,还是蛮清楚明白的。

squeeze参数

来自官方文档的解释:接收布尔值,当取值为True的时候,如果解析的数据仅包含一列,则返回Series。默认值是False,即只有一列也返回Dataframe。

举例说明:

如果需要读进来一个Series,可以通过squeeze参数实现。

dtype参数

惯例还是官方文档的解释:输入表示数据类型的名称字符或者字典,如果输入的是字符表示整个表格的数据都转换成指定的数据类型,如果输入的是字典,那么每个字段可以指定不同的数据类型。

来个例子帮助理解:

由于整个表格中既有文本又有数值,如果要设置成统一的数据类型只能设置成字符型了;针对每一列设置不同的数据类型,效果还是很明显的。

篇幅限制,对pd.read_excel()函数参数的介绍先到这里,剩下的参数在后续的文章中接续介绍哦。

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值