一.pandas的导入读取

部分代码跟着博客园的“KevinHooSCUT‘老师写的使用pandas读取excel学习的

学习pandas要先会导入，读取excel来返回DataFrame：dp.read_exce

import pandas as pd
import numpy as np    #导入pandas库&numpy库

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)

1. io : excel的储存路径

#文件的地址
io = r'E:\新建文件夹\Titanic\data.xlsx'

2. sheet_name ：要读取的excel文件中工作表名称

a.整型数字：以0开始，Sheet_name = 1 :代表的是第2个工作表；也可以直接写目标sheet的名称；

#整数型数字、列表名和SheetN
data = pd.read_excel(io, sheet_name = 0)
data.head()  #查看前5行
#data = pd.read_excel( r'E:\新建文件夹\Titanic\train.xlsx') 可以直接读取文件
data = pd.read_excel(io, sheet_name = '学生')
data.head()
data = pd.read_excel(io, sheet_name = 'Sheet1')
data.head()

b. 组合列表，可以读取多个工作表，显示为表格的字典； sheet_name默认是0，读取excel的第一个工作表（可以忽略不写）

data = pd.read_excel(r'E:\新建文件夹\data.xlsx', sheet_name = ['学生', '老师'], nrows = 5)
# 返回两个工作表组成的字典
data.head()

3. header :那一列作为列名

默认为0（可忽略不写）；前两行作为多重索引的情况：header = [0,1]

data = pd.read_excel(io, sheet_name = 'Sheet1', header = [0,1])
# 前两行作为列名。
data.head()

4. names ：自定义列名

a. 可以用于：a.缺少列名；b.重新定义列名的；

b. names 长度 ==excel列的长度；

data = pd.read_excel(io,names = ['rank','name','class','score','chinese','math'])
data.head()

5. index_col ：索引

a. index_col = '列名称' ；

b. 多重索引：index_col = [0,1]

data = pd.read_excel(io, sheet_name = '学生', index_col = '排名')
data.head()
data = pd.read_excel(io, sheet_name = '学生', index_col = [0,1])
data.head()

6. usecols ：需要读取的列

a. 整型 [0,1,3]； b. 传统字母型； c.特定数据

data = pd.read_excel(io, sheet_name = '学生', usecols = [0, 2, 4])
data.head()
data = pd.read_excel(io, sheet_name = '学生', usecols = 'A:C, E')
data.head()

7. skiprows ：跳过特定行

a. skiprows = n （跳过前n行）列名也会被跳过：慎用；

b. skiprows = [a,b,c] （跳过第a+1,b+1,c+1行）从索引0开始

data = pd.read_excel(io, sheet_name = '学生', skiprows = 3)
data.head()
data = pd.read_excel(io, sheet_name = '学生', skiprows = [1,2,3])
data.head()

8. skipfooter ：跳过末尾n行

data = pd.read_excel(io, sheet_name = '学生', skipfooter = 8)
data

9. squeeze ：当数据仅包含一列

a. 整型 [0,1,3]； b. 传统字母型； c.特定数据

10. converters ：强制更改数据类型

pandas默认将文本类的数据读取为整型；主要用途：保留以文本形式存储的数字。

11. nrows ：读取的行数

rows = n；主要用途：只想了解Excel的列名及概况。

一.pandas的导入读取相关推荐

python用pandas读取excel_浅谈python之利用pandas和openpyxl读取excel数据
在学接口自动化测试时, 需要从excel中读取测试用例的数据, 假如我的数据是这样的: 最好是每行数据对应着一条测试用例, 为方便取值, 我选择使用pandas库, 先安装 pip install p ...
Python 使用 pandas 和 openpyxl 读取 excel 表格（读取指定行和列）
前言在使用Python处理表格时,pandas 和 openpyxl是使用最多的两个库.现在我来简单记录一下这两个库在处理Excel表格时一些常用操作. 1.使用pandas操作excel表格 (1 ...
【Pandas总结】第二节 Pandas 的数据读取_pd.read_csv()的使用详解（非常全面，推荐收藏）
使用pandas进行数据读取,最常读取的数据格式如下: NO 数据类型说明使用方法 1 csv, tsv, txt 可以读取纯文本文件 pd.read_csv 2 excel 可以读取.xls . ...
python xlrd xlwt pandas openxyl导入方法对比 N/A
操作目的: 通过对比两个EXCEL表格对比数据相同部分和不同部分区分开来并生成新的EXCEL 两者表格形式如下原理是通过读取B表格的参数编号和申报内容作为字典,在A表格中对应的进行查询是否相 ...
pandas使用read_csv读取文件数据、设置converters参数将百分比字符串转换为数字
pandas使用read_csv读取文件数据.设置converters参数将百分比字符串转换为数字目录 pandas使用read_csv读取文件数据.设置converters参数将百分比字符串转换为 ...
pandas使用read_csv读取数据使用skiprows参数跳过指定的数据行但保留表头、pandas使用to_csv函数将dataframe保存为gzip压缩文件
pandas使用read_csv读取数据使用skiprows参数跳过指定的数据行但保留表头.pandas使用to_csv函数将dataframe保存为gzip压缩文件目录
python 之 Pandas (五)导入导出
代码: import pandas as pd# 读取 data = pd.read_csv('Students1.csv') print(data)# 保存 data.to_pickle('stud ...
python pandas 读取数据库_数据分析-pandas从数据库读取数据
数据分析-pandas从数据库读取数据使用pandas读取数据到DataFrame,对于只是数据分析来说,重点是读取数据,读取数据过程越简单越好,并不需要写得很复杂显得自己很厉害的样子.最好就是代码 ...
pandas parquet文件读取pyarrow、feather文件保存与读取；requests 或wget下载图片文件
**pandas读取文件填写绝对路径,相对路径可能出错读不了安装 fastparquet库,需要安装python-snappy ,一直安装错误,所以使用了pyarrow pip install py ...

一.pandas的导入读取

一.pandas的导入读取相关推荐

最新文章

热门文章