【Python】pandas中的read_excel()和to_excel()函数解析与代码实现

程序员洲洲

发布于 2024-06-12 08:35:39

6040

发布于 2024-06-12 08:35:39

文章被收录于专栏：项目文章项目文章

本文目录

前言
一、read_excel()函数简介
- 1.1 基础语法
二、to_excel()函数简介
三、代码案例
- 读取并处理Excel数据
- 场景2：合并多个Excel工作表
- 写入格式化的Excel文件
四、read_excel()数据实战
- 函数原型
- sheetname
- header
- skiprows
- skip_footer
- index_col
- names
五、to_excel()数据实战
- excel_writer
- sheet_name
- na_rep
- colums
- header
- index
总结

前言

Pandas是Python中用于数据分析和操作的强大库，它提供了许多方便的函数来处理各种格式的数据。

Excel文件作为一种常见的数据存储格式，在数据处理中经常用到。

Pandas提供了read_excel()函数来读取Excel文件，以及to_excel()函数将数据写入Excel。

本文将详细解析这两个函数的用法，并通过代码示例展示它们在不同场景下的应用。

一、read_excel()函数简介

Pandas是一个开源的数据分析和操作库，它提供了快速、灵活和表达力强的数据结构，旨在使数据清洗和分析工作变得更加简单易行。Pandas是基于NumPy构建的，因此可以与NumPy无缝集成。

read_excel()函数用于读取Excel文件并将其转换为Pandas的DataFrame对象。这是处理Excel数据的基础。

1.1 基础语法

pandas.read_excel(io, sheet_name=0, header=0, names=None, 
index_col=None, usecols=None, 
dtype=None, engine=None, converters=None, true_values=None, 
false_values=None, skiprows=None, nrows=None, na_values=None, 
keep_default_na=True, verbose=True, parse_dates=False, 
date_parser=None, thousands=None, comment=None, 
skipfooter=0, convert_float=True, mangle_dupe_cols=True, **kwds)

常用的参数说明：

io : string, path object ; excel 路径。
sheetname : string, int, mixed list of strings/ints, or None, default 0 返回多表使用sheetname=[0,1],若sheetname=None是返回全表 注意：int/string 返回的是dataframe，而none和list返回的是dict of dataframe
header : int, list of ints, default 0 指定列名行，默认0，即取第一行，数据为列名行以下的数据 若数据不含列名，则设定 header = None
skiprows : list-like,Rows to skip at the beginning，省略指定行数的数据
skip_footer : int,default 0, 省略从尾部数的int行数据
index_col : int, list of ints, default None指定列为索引列，也可以使用u”strings”
names : array-like, default None, 指定列的名字。

示例代码

import pandas as pd

# 读取Excel文件
df = pd.read_excel('path_to_your_excel_file.xlsx')

# 只读取特定的列
df = pd.read_excel('path_to_your_excel_file.xlsx', usecols=['Column1', 'Column2'])

二、to_excel()函数简介

to_excel()函数用于将DataFrame对象写入Excel文件。你可以控制输出的格式、工作表名称等。

基础语法

DataFrame.to_excel(io, excel_writer, sheet_name='Sheet1',
na_rep='', float_format=None, columns=None, header=True, 
index=True, index_label=None, startrow=0, startcol=0, 
engine=None, merge_cells=True, encoding=None, 
inf_rep='inf', verbose=True, freeze_panes=None, 
storage_options=None)

常用的参数说明：

io: Excel文件的路径或文件对象。
sheet_name: 写入的工作表名称。
na_rep: 缺失值的表示方式，默认为空字符串。
columns: 指定要写入的列。
header: 是否写入列名。
index: 是否写入索引。

示例代码

# 将DataFrame写入Excel文件
df.to_excel('output_excel_file.xlsx', sheet_name='Sheet1')

# 只写入特定的列
df.to_excel('output_excel_file.xlsx', columns=['Column1', 'Column2'])

三、代码案例

读取并处理Excel数据

# 读取Excel文件
df = pd.read_excel('data.xlsx')

# 数据清洗：去除重复记录
df = df.drop_duplicates()

# 将处理后的数据写回Excel
df.to_excel('cleaned_data.xlsx')

场景2：合并多个Excel工作表

# 读取Excel文件中的所有工作表
xls = pd.ExcelFile('multi_sheets.xlsx')

# 遍历工作表并读取数据
dfs = {sheet: xls.parse(sheet) for sheet in xls.sheet_names}

# 合并所有工作表的数据
combined_df = pd.concat(dfs.values(), ignore_index=True)

# 将合并后的数据写入新的Excel文件
combined_df.to_excel('combined_data.xlsx', index=False)

写入格式化的Excel文件

# 写入Excel文件，指定列名和不写入索引
df.to_excel('formatted_data.xlsx', index=False, header=True, columns=['Column1', 'Column2'])

# 使用ExcelWriter来设置工作表的格式
with pd.ExcelWriter('styled_data.xlsx', engine='xlsxwriter') as writer:
    df.to_excel(writer, sheet_name='Sheet1', startrow=2, startcol=3, index=False)
    workbook  = writer.book
    worksheet = writer.sheets['Sheet1']
    worksheet.set_column('A:D', 15)  # 设置列宽

四、read_excel()数据实战

假设我们拥有数据源如下：

sheet1:
ID  NUM-1   NUM-2   NUM-3
36901   142 168 661
36902   78  521 602
36903   144 600 521
36904   95  457 468
36905   69  596 695

sheet2：
ID  NUM-1   NUM-2   NUM-3
36906   190 527 691
36907   101 403 470

函数原型

basestation ="F://pythonBook_PyPDAM/data/test.xls"
data = pd.read_excel(basestation)
print data

输出一个dataframe

      ID  NUM-1  NUM-2  NUM-3
0  36901    142    168    661
1  36902     78    521    602
2  36903    144    600    521
3  36904     95    457    468
4  36905     69    596    695

sheetname

sheetname参数：返回多表使用sheetname=[0,1],若sheetname=None是返回全表

注意：int/string 返回的是dataframe，而none和list返回的是dict of dataframe

data_1 = pd.read_excel(basestation,sheetname=[0,1])
print data_1
print type(data_1)

输出：dict of dataframe

OrderedDict([(0, ID  NUM-1  NUM-2  NUM-3
0  36901    142    168    661
1  36902     78    521    602
2  36903    144    600    521
3  36904     95    457    468
4  36905     69    596    695), 
(1,       ID  NUM-1  NUM-2  NUM-3
0  36906    190    527    691
1  36907    101    403    470)])

header

指定列名行，默认0，即取第一行，数据为列名行以下的数据若数据不含列名，则设定 header = None ，注意这里还有列名的一行。

data = pd.read_excel(basestation,header=None)
print data
输出：
       0      1      2      3
0     ID  NUM-1  NUM-2  NUM-3
1  36901    142    168    661
2  36902     78    521    602
3  36903    144    600    521
4  36904     95    457    468
5  36905     69    596    695

data = pd.read_excel(basestation,header=[3])
print data
输出：
   36903  144    600    521  
0  36904     95    457    468
1  36905     69    596    695

skiprows

省略指定行数的数据

data = pd.read_excel(basestation,skiprows = [1])
print data
输出:
      ID  NUM-1  NUM-2  NUM-3
0  36902     78    521    602
1  36903    144    600    521
2  36904     95    457    468
3  36905     69    596    695

skip_footer

省略从尾部数的int行的数据

data = pd.read_excel(basestation, skip_footer=3)
print data
输出：
      ID  NUM-1  NUM-2  NUM-3
0  36901    142    168    661
1  36902     78    521    602

index_col

指定列为索引列，也可以使用u”strings”

data = pd.read_excel(basestation, index_col="NUM-3")
print data
输出：
          ID  NUM-1  NUM-2
NUM-3                     
661    36901    142    168
602    36902     78    521
521    36903    144    600
468    36904     95    457
695    36905     69    596

names

指定列的名字。

data = pd.read_excel(basestation,names=["a","b","c","e"])
print data
       a    b    c    e
0  36901  142  168  661
1  36902   78  521  602
2  36903  144  600  521
3  36904   95  457  468
4  36905   69  596  695

五、to_excel()数据实战

数据源

    ID  NUM-1   NUM-2   NUM-3
0   36901   142 168 661
1   36902   78  521 602
2   36903   144 600 521
3   36904   95  457 468
4   36905   69  596 695
5   36906   165 453 

加载数据：
basestation ="F://python/data/test.xls"
basestation_end ="F://python/data/test_end.xls"
data = pd.read_excel(basestation)

excel_writer

参数excel_writer，输出路径。

data.to_excel(basestation_end)
输出：
    ID  NUM-1   NUM-2   NUM-3
0   36901   142 168 661
1   36902   78  521 602
2   36903   144 600 521
3   36904   95  457 468
4   36905   69  596 695
5   36906   165 453

sheet_name

将数据存储在excel的那个sheet页面。

data.to_excel(basestation_end,sheet_name="sheet2")

na_rep

缺失值填充

data.to_excel(basestation_end,na_rep="NULL")
输出：
    ID  NUM-1   NUM-2   NUM-3
0   36901   142 168 661
1   36902   78  521 602
2   36903   144 600 521
3   36904   95  457 468
4   36905   69  596 695
5   36906   165 453 NULL

colums

sequence, optional，Columns to write 选择输出的的列。

data.to_excel(basestation_end,columns=["ID"])
输出
    ID
0   36901
1   36902
2   36903
3   36904
4   36905
5   36906

header

boolean or list of string，默认为True,可以用list命名列的名字。header = False 则不输出题头。

data.to_excel(basestation_end,header=["a","b","c","d"])
输出：
    a   b   c   d
0   36901   142 168 661
1   36902   78  521 602
2   36903   144 600 521
3   36904   95  457 468
4   36905   69  596 695
5   36906   165 453 

data.to_excel(basestation_end,header=False,columns=["ID"])
header = False 则不输出题头
输出：
0   36901
1   36902
2   36903
3   36904
4   36905
5   36906

index

index：boolean, default True Write row names (index) 默认为True，显示index，当index=False 则不显示行索引（名字）。

index_label : string or sequence, default None 设置索引列的列名。

data.to_excel(basestation_end,index=False)
输出：
ID  NUM-1   NUM-2   NUM-3
36901   142 168 661
36902   78  521 602
36903   144 600 521
36904   95  457 468
36905   69  596 695
36906   165 453 

data.to_excel(basestation_end,index_label=["f"])
输出：
f   ID  NUM-1   NUM-2   NUM-3
0   36901   142 168 661
1   36902   78  521 602
2   36903   144 600 521
3   36904   95  457 468
4   36905   69  596 695
5   36906   165 453

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2024-06-10，如有侵权请联系 cloudcommunity@tencent.com 删除

pandas