pandas数据处理：常用却不甚了解的函数，pd.read_excel()

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：

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：

输出结果：

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：

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：

输出结果：


输出结果，能够看到结果和sheet_name=1的结果是一样的：

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）

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

输出结果：


输出结果：

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：

开头有空行，直接读取试一下：

是这种效果（截取部分数据图像）：

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：

输出结果：

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。

输出结果：

能看到的确有两行列名！

如果不要列名是什么样子呢？

输出结果：

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。