Python - 处理 XLS 数据

Microsoft Excel 是一种非常广泛使用的电子表格程序。它的用户友好性和吸引人的功能使其成为数据科学中非常常用的工具。 Panadas 库提供的功能可让我们读取完整 Excel 文件以及仅读取选定数据组的部分数据。我们还可以读取包含多个工作表的 Excel 文件。我们使用 read_excel 函数从中读取数据。

输入为 Excel 文件

我们在 Windows 操作系统中创建一个包含多个工作表的 Excel 文件。不同工作表中的数据如下所示。

您可以使用 Windows 操作系统中的 Excel 程序创建此文件。将文件另存为 input.xlsx。

# Data in Sheet1

id,name,salary,start_date,dept
1,Rick,623.3,2012-01-01,IT
2,Dan,515.2,2013-09-23,Operations
3,Tusar,611,2014-11-15,IT
4,Ryan,729,2014-05-11,HR
5,Gary,843.25,2015-03-27,Finance
6,Rasmi,578,2013-05-21,IT
7,Pranab,632.8,2013-07-30,Operations
8,Guru,722.5,2014-06-17,Finance

# Data in Sheet2

id	name	zipcode
1	Rick	301224
2	Dan	341255
3	Tusar	297704
4	Ryan	216650
5	Gary	438700
6	Rasmi	665100
7	Pranab	341211
8	Guru	347480

读取 Excel 文件

pandas 库的 read_excel 函数用于将 Excel 文件的内容作为 pandas DataFrame 读入 python 环境。该函数可以使用正确的文件路径从操作系统读取文件。默认情况下，该函数将读取 Sheet1。

import pandas as pd
data = pd.read_excel('path/input.xlsx')
print (data)

当我们执行上述代码时，它会产生以下结果。请注意，该函数如何创建以零开头的附加列作为索引。

   id    name  salary  start_date        dept
0   1    Rick  623.30  2012-01-01          IT
1   2     Dan  515.20  2013-09-23  Operations
2   3   Tusar  611.00  2014-11-15          IT
3   4    Ryan  729.00  2014-05-11          HR
4   5    Gary  843.25  2015-03-27     Finance
5   6   Rasmi  578.00  2013-05-21          IT
6   7  Pranab  632.80  2013-07-30  Operations
7   8    Guru  722.50  2014-06-17     Finance

读取特定列和行

与上一章中我们已经看到的读取 CSV 文件的方法类似，pandas 库的 read_excel 函数也可用于读取某些特定列和特定行。 为此，我们使用名为 .loc() 的多轴索引方法。我们选择显示某些行的薪水和姓名列。

import pandas as pd
data = pd.read_excel('path/input.xlsx')

# Use the multi-axes indexing funtion
print (data.loc[[1,3,5],['salary','name']])

当我们执行上述代码时，它会产生以下结果。

   salary   name
1   515.2    Dan
3   729.0   Ryan
5   578.0  Rasmi

读取多个 Excel 工作表

还可以使用 read_excel 函数在名为 ExcelFile 的包装器类的帮助下读取具有不同数据格式的多个工作表。它只会将多个工作表读入内存一次。 在下面的示例中，我们将 sheet1 和 sheet2 读入两个数据框并分别打印出来。

import pandas as pd
with pd.ExcelFile('C:/Users/Rasmi/Documents/pydatasci/input.xlsx') as xls:
    df1 = pd.read_excel(xls, 'Sheet1')
    df2 = pd.read_excel(xls, 'Sheet2')

print("****Result Sheet 1****")
print (df1[0:5]['salary'])
print("")
print("***Result Sheet 2****")
print (df2[0:5]['zipcode'])

当我们执行上述代码时，它会产生以下结果。

****Result Sheet 1****
0    623.30
1    515.20
2    611.00
3    729.00
4    843.25
Name: salary, dtype: float64

***Result Sheet 2****
0    301224
1    341255
2    297704
3    216650
4    438700
Name: zipcode, dtype: int64