pandas.read_excel()的作用：将Excel文件读取到pandas DataFrame中。

支持从本地文件系统或URL读取的xls，xlsx，xlsm，xlsb和odf文件扩展名。 支持读取单一sheet或几个sheet。

以下是该函数的全部参数：

pandas.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,keep_default_na=True,verbose=False,parse_dates=False,date_parser=None,thousands=None,comment=None,skipfooter=0,convert_float=True,mangle_dupe_cols=True,**kwds)

我创建了一个excel，用作数据源：

sheet1：CRM

共39行

sheet2：成绩单

共50行

sheet3：销量表

共31行

1.基本用法(io)

直接使用pd.read_excel(r"文件路径")，默认读取第一个sheet的全部数据

实际上就是第一个参数：io，支持str, bytes, ExcelFile, xlrd.Book, path object, or file-like object

2.sheet_name(str, int, list, None, default 0)

str字符串用于引用的sheet的名称

int整数用于引用的sheet的索引(从0开始)

字符串或整数组成的列表用于引用特定的sheet

注意，读取后的数据类型是OrderedDict,将两个sheet的数据合并到了一个list中

None 表示引用所有sheet

默认为0，表示不输入sheet_name的参数下，默认引用第一张sheet的数据

3.header(int, list of int, default 0)

表示用第几行作为表头，默认header=0，即默认第一行为表头

hearder=1：选择第二行为表头，第一行数据就不要了。其他以此类推

hearder=[1,2,3]：选择第2,3,4行的数据作为表头，第二行之上的数据不用

header=None :表示不使用数据源中的表头

4.names(array-like, default None)

表示自定义表头的名称，需要传递数组参数。

图例中更改了原始的表头。

5.index_col(int, list of int, default None)

指定列为索引列，默认为None，也就是索引为0的列用作DataFrame的行标签。

None:

int整数：指定第几列为索引列

选择第一列"ID"列为索引列

list of int：选择列表中的整数列为索引列

6.usecols(int, str, list-like, or callable default None)默认为None，解析所有列。

如果为str，则表示Excel列字母和列范围的逗号分隔列表(例如“ A：E”或“ A，C，E：F”)。范围全闭。

如果为int，则表示解析到第几列。

如果为int列表，则表示解析那几列。

str:usecols="A:C",只读取从A列到C列的数据

int：usecols=3,表示解析第0,1,2,3列，共4列

int of list:usecols=[0,1,4]，表示解析第1列，第2列，第5列的数据

7.squeeze(bool, default False)

默认为False。如果设置squeeze=True则表示如果解析的数据只包含一列，则返回一个Series。

默认情况下：

设置squeeze=True情况下：

8.dtype(Type name or dict of column -> type, default None)

列的类型名称或字典，默认为None，也就是不改变数据类型。

其作用是指定列的数据类型。

先看下目前的各列数据类型：

再将ID和年龄列的数据类型从int64转换为float64和str

这是pandas的所有数据类型

9.engine(str, default None)

可以接受的参数有“ xlrd”，“ openpyxl”或“ odf”，用于使用第三方的库去解析excel文件。

10.converters(dict, default None)

对指定列的数据进行指定函数的处理，传入参数为列名与函数组成的字典。key 可以是列名或者列的序号，values是函数，可以def函数或者直接lambda都行。

先读取前三列数据：

对第2列的所有名称加上""，把第三列的所有年龄都减10

11.true_values(list，default None)

将指定的文本转换为True，默认为None

12.false_values(list，default None)

将指定的文本转换为False，默认为None

将性别中的女转换为True，男转换为False

13.skiprows(list like)

跳过指定的行

skiprows=1 跳过第1行

skiprows=3 跳过前3行

skiprows=[1,3,5] 跳过第1,3,5行

skiprows=lambda x: x % 2 == 0 跳过偶数行

14.nrows(int, default None)

默认为None

指定需要读取前多少行，通常用于较大的数据文件中。

nrows=3 读取前三行

15.na_values(scalar, str, list-like, or dict, default None)

指定某些列的某些值为NaN

na_values='大专'，指定大专为NaN

16.keep_default_na(bool, default True)

表示导入数据时是否导入空值。

默认为True，即自动识别空值并导入

常用的参数就这么多~觉得有用的各位记得点赞收藏哦~Tao：Python处理数据常用方法(pandas版)​zhuanlan.zhihu.com