蓝狮平台_蓝狮注册登录云技术中心

pandas数据处理:常用却不甚了解的函数,pd.read_excel()

image.png


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,蓝狮碎石机养护说明返回的是列的子集,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,蓝狮登录网址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。