Pandas 处理 Excel 常用方法技巧

[shenweiyan]

在使用 Pandas 前需要学习了解一下 Series 和 DataFrame 的基本数据结构和索引的相关概念，之后就可以练习基本的 Excel操作。Pandas 读取一个 Excel 文件后会将其转化为 DataFrame 对象，每一列或行就是一个 Series 对象。这里我们看下如何对一个 excel 进行读写，以及 Sheet、行列、表头处理的一些常用技巧。

读取 Excel

如果您想读取 Excel 表格中的数据，可以使用 read_excel() 方法，其语法格式如下：

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)

下表对常用参数做了说明：

参数名称	说明
io	表示 Excel 文件的存储路径。
sheet_name	要读取的工作表名称，默认0，即读取第一个工作表作为 DataFrame(一定要加sheet_name=None，才能读取出所有的 sheet，否则默认读取第一个 sheet)。
header	指定作为列名的行，默认0，即取第一行的值为列名；若数据不包含列名，则设定 header = None。若将其设置为 header=2，则表示将前两行作为多重索引。
names	一般适用于Excel缺少列名，或者需要重新定义列名的情况；names的长度必须等于Excel表格列的长度，否则会报错。
index_col	用做行索引的列，可以是工作表的列名称，如 index_col = '列名'，也可以是整数或者列表。
usecols	int或list类型，默认为None，表示需要读取所有列。
squeeze	boolean，默认为False，如果解析的数据只包含一列，则返回一个Series。
converters	规定每一列的数据类型。
skiprows	接受一个列表，表示跳过指定行数的数据，从头部第一行开始。
nrows	需要读取的行数。
skipfooter	接受一个列表，省略指定行数的数据，从尾部最后一行开始。

示例如下所示：

import pandas as pd

# 读取所有Sheet
df = pd.read_excel('example.xlsx', sheet_name=None)

# 读取第一个、第二个和名为"Sheet5"的工作表作为 DataFrame 的字典
df = pd.read_excel('example.xlsx', sheet_name=[0, 1, "Sheet5"])

获取行数和列数

import pandas as pd
 
df = pd.read_excel('example.xlsx')
# 行索引
print(df.index)  
# RangeIndex(start=0, stop=3747, step=1)

# 输出元祖,分别为行数和列数,默认第一行是表头不算行数
print(df.shape) 
# (3747, 4)

获取表头

read_excel 默认是把 excel 的第一行当成表头。注意：如果 read_excel 的 sheet_name=None，读取的是所有 excel 的 sheet_name(key) 和 sheet_values(values) 组成的字典，df.keys() 的结果是所有 sheet_name，即名字(字典的键)。

获取第一个 sheet

这时候 df.keys() 和 df.columns 的结果是一样的，都是第一个 sheet 的表头。

import pandas as pd
 
df = pd.read_excel('input.xlsx')
print(df.keys())
print('---------------')
print(df.columns)

获取所有 sheet

import pandas as pd
 
# 参数为 None 代表读取所有 sheet
df = pd.read_excel('input.xlsx',sheet_name=None)

# 获取所有sheet名字, 如果read_excel参数不是None, 则df.keys()为表头
sheet_names = list(df.keys())
print(sheet_names)

参考资料

1. 老董，《pandas获取excel的行数,列数,表头,sheet,前后行等数据》，Python编程网
2. 《Pandas Excel读写操作详解》，C语言中文网
3. 《pandas.read_excel — pandas 2.1.4 documentation》，pandas documentation — pandas 2.1.4 documentation