python read函数参数_最新Pandas.read_excel()全参数详解(案例实操,如何利用python导入excel)...
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
python read函数参数_最新Pandas.read_excel()全参数详解(案例实操,如何利用python导入excel)...相关推荐
- c++常引用做参数可以有默认参数吗_最新Pandas.read_excel()全参数详解(案例实操,如何利用python导入excel)...
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 ...
- python海量数据分析师职业技能_大数据分析师技能图谱详解与零基础自学内容大全...
全球的数据量正在以每18个月翻一倍的惊人速度增长,世界正在高速数字化,大数据堪比石油,如何掘金大数据是所有个人.企业和国家的机遇和挑战.中国是人才大国,能理解和应用大数据的创新人才更是稀缺资源.大数据 ...
- Python open()函数文件打开、读、写操作详解
python的文件读写和打开操作都有自己特定的函数和方法,操作起来很简单.下面就来简单的了解下python文件的基本操作方法有哪些. 一.Python open()函数文件打开操作 打开文件会用到op ...
- 分段二次插值函数表达式_【插值】插值方法原理详解
插值问题详解 1. 我在具体的应用(如数学建模竞赛)中,常常需要根据已知的函数点进行数据.模型的处理和分析,而通常情况下现有的数据是极少的,不足以支撑分析的进行,这时就需要使用一些数学的方法,&quo ...
- git原理详解与实操指南_全网最精:学git一套就够了,从入门到原理深度剖析
以上资源收集至互联网 如有侵权请联系删除 资源获取方式 扫码关注资源库公众号 回复密码'20190812' 即可获得 截图展示 课程信息 课程难度:中级 学习人数:148352 课程状态:已完结 时长 ...
- python setdefault函数_python 字典 setdefault()和get()方法比较详解
dict.setdefault(key, default=None) --> 有key获取值,否则设置 key:default,并返回default,default默认值为None dict.g ...
- python自动售货机_自动售货机支付系统详解
自动售货机从机械自动售货机发展到今天已经有智能自动售货机了.机械式自动售货机功能性很差,能售卖的产品也有限.一般被用于饮料的售卖.而智能自动售货机可以连接物联网和互联网.支持移动支付,可以售卖几乎任意 ...
- python关键词 打标签详解_Python学习日记13|利用python制作简书首页热门文章关键词标签云...
今天是6.16号. 昨天去面越秀金融风险控制部计算机实习生,去面了才知道主要也就是做数据抓取这一块.面试过程中有问到分词,然后自己心虚的说了有接触过分词这一块,面试结果就不去想了,过不过都其实不重要了 ...
- git原理详解与实操指南_基于dockercompose的Gitlab CI/CD实践amp;排坑指南
长话短说 经过长时间实操验证,终于完成基于Gitlab的CI/CD实践,本次实践的坑位很多, 实操过程尽量接近最佳实践(不做hack, 不做骚操作),记录下来加深理解. 看过博客园<docker ...
最新文章
- 用特征迭代次数区分minst数据集的0和1
- forward 和redirect
- 5种JavaScript中常用的排序方法
- 牛客网【每日一题】4月28日题目精讲 美味菜肴
- js如何获取jwt信息_谈房地产公众号如何涨粉?一篇文章让你轻松获取信息
- 《剑指Offer》 变态跳台阶
- 转!!URL和URI区别
- java代码怎么动态修改xml配置文件内容_[MyBatis]-MyBatis框架-05-动态sql
- 基于qt的贪吃蛇游戏 c语言,基于QT的贪吃蛇游戏设计
- easy_install安装,更新模块 python
- 001.Heartbeat简介
- 史上最搞笑的程序员段子,你看懂了吗?
- 通俗理解ROC曲线(Receiver Operating Characteristic Curve)
- Cannot define dimension expressions when an array initializer is provided 错误
- Scrum敏捷培训课堂小记
- keil uvision5 cannot write project file 和 cannot read project file 解决建议
- SQL 查询语句报错
- 在职研究生(多重继承)
- 京东坐稳全渠道最大家电零售商之位,苏宁怼京东815恐无成效
- OpenStack基础知识及搭建云平台先电的基本虚拟机配置