pandas数据分析轻松学（二）——读取Excel文件

该系列博客，均来自刘铁猛老师的视频内容，网址如下：

http://www.timliu.net

 

一、IDE环境：anaconda+PyCharm，python3.6

二、新建.py文件（注意文件命名）

三、具体读取数据操作如下：

• Excel文件头部和尾部行数据的读取

import pandas as pd

people = pd.read_excel('C:/Users/Dongxiao Yuan/Desktop/People.xlsx')  # 读取文件数据，返回一个指向数据对象的引用
print(people.shape)  # 打印出people对象的属性（有几行几列）
print(people.head(3))  # 传递形参为空时，默认打印表的前五行
print('===============================')
print(people.tail(3))  # 传递形参为空时，默认打印表的前五行

 运行结果如下： 

• Excel文件列名称的读取

import pandas as pd

people = pd.read_excel('C:/Users/Dongxiao Yuan/Desktop/People.xlsx')  # 读取文件数据，返回一个指向数据对象的引用
print(people.columns)#读取文件的列名

运行结果如下：

 

但如果Excel文件中有脏数据，比如第一行是脏数据，从第二行开始，才是我们所需的数据，如下图：
 

应该如何调用pandas库实现所需数据的访问？？？（如下图所示的解决方法，设置读取文件的属性即可）

import pandas as pd

people = pd.read_excel('C:/Users/Dongxiao Yuan/Desktop/People2.xlsx',header=1)#header默认为0，此处设置为1   
print(people.columns)#读取文件的列名

运行结果如下 

 

注意：1、如果Excel文件第一行为空，那么不指定header=1也能正确答应header的属性值

           2、只要第一行数据错误（脏数据），那么就必须指定数据读取的第一行属性值，也就是“header”属性了

           3、若没有列名，那么就设置“header=None”，系统就会自动生成一个从0开始的整数列表作为列名，如下图所示：

import pandas as pd

people = pd.read_excel('C:/Users/Dongxiao Yuan/Desktop/People2.xlsx',header=None)  # 读取文件数据，返回一个指向数据对象的引用
print(people.columns)#读取文件的列名

 

我们可以人为的设置表的列名，并保存所需文件，如下所示：

import pandas as pd

people = pd.read_excel('C:/Users/Dongxiao Yuan/Desktop/People2.xlsx',header=None)  # 读取文件数据，返回一个指向数据对象的引用
people.columns=['Id','Type','Title','FirstName','MiddleName','LastName']#设置表的列名
people=people.set_index('Id')#设置Id为索引，生成新的对象后，返回一个指向people的对象
print(people.columns)#读取文件的列名
people.to_excel('C:/Users/Dongxiao Yuan/Desktop/Output.xlsx')#保存新的文件
print('Done！！')



#people=people.set_index('Id')代码可用下面的代码来替换
#people.set_index('Id',inplace=True)

运行结果如下（Id已经消失，因为它已经变成index了）： 

 

people.set_index('Id',inplace=True)代码第二个参数指在源文件基础上改动并保存

注意：pandas中把index和columns分开对待，所以打印时没有Id这一列

 

•  再次打开文件时，如果知道哪一列是索引，必须指明，不然pandas又会给自动生成从0开始的整数索引，如下图：

import pandas as pd

people = pd.read_excel('C:/Users/Dongxiao Yuan/Desktop/Output.xlsx',index_col='Id')  # 读取文件数据，返回一个指向数据对象的引用
print(people.columns)#读取文件的列名
people.to_excel('C:/Users/Dongxiao Yuan/Desktop/Output4.xlsx')#保存新的文件
print('Done！！')

 

四、小结

1、每次运行程序，必须保证文件的关闭，不然会出现意料之外的结果或者错误

2、本小结主要讲了Excel文件属性的设置，包括：

      打开属性：header=1/None，index_col=‘Id’

      文件属性设置：people.columns=['Id','Type','Title','FirstName','MiddleName','LastName']#设置表的列名

                               people=people.set_index('Id')#设置Id为索引，生成新的对象后，返回一个指向people的对象

                               people.set_index('Id',inplace=True)

      文件属性：people.shape，people.head(3)，people.tail(3)

                       print(people.columns)#读取文件的列名