Pandas处理excel自动化常用操作
读取excel
import pandas
pandas.read_excel（io，sheet_name = 0，header = 0，names = None，index_col = None，usecols = None，squeeze = False,dtype = None, ...）行列index从0开始
io：字符串，文件的路径对象。
sheet_name：None、string、int、字符串列表或整数列表，默认为0。字符串用于工作表名称,整数用于零索引工作表位置,字符串列表或整数列表用于请求多个工作表，为None时获取所有工作表。
| 值 | 对应操作 |
|---|---|
| sheet_name=0 | 第一张作为DataFrame |
| sheet_name=1 | 第二张作为DataFrame |
| sheet_name=“Sheet1” | 第一张作DataFrame |
| sheet_name=[0,1,'Sheet5'] | 第1页，第2页和第5页作为DataFrames的字典。 |
header：指定作为列名的行，默认0，即取第一行的值为列名。数据为列名行以下的数据；若数据不含列名，则设定 header = None。
names：默认为None，要使用的列名列表，如不包含标题行，应显示传递header=None。
index_col：指定列为索引列，默认None列（0索引）用作DataFrame的行标签。
usecols：list，默认为None。
- 如果为None则解析所有列
- 如果为int列表则表示要解析的列号列表：[0,2,3,9]
- 如果字符串则表示以逗号分隔的Excel列字母和列范围列表（例如“A：E”或“A，C，E：F”）。范围包括双方。
squeeze：boolean，默认为False,如果解析的数据只包含一列，则返回一个Series。
dtype：列的类型名称或字典，默认为None。数据或列的数据类型。例如{'a'：np.float64，'b'：np.int32}使用对象保存存储在Excel中的数据而不解释dtype。如果指定了转换器，则它们将应用于dtype转换的INSTEAD。
skiprows: 需要忽略的行数（从文件开始处算起），或需要跳过的行号列表（从0开始）
skipfooter: int, default 0 从文件尾部开始忽略。
head(): 取去除header的前5行数据
tail(): 取后5行数据
df["列名"]: 按列名取列数据
df[["列名1","列名2"]]: 按列名取列数据
df[0:3]: 取前三行数据，按行非index
df[-3:]: 取后三行数据，按行非index
df.列名1：获取列名1的数据
df.iloc[[1],[2]].values: 取单元格每二行，第三列的值，返回格式[[value]]，从0起
df.iloc[i].values：返回第i+1行的数据，从0起
df.iloc[1:3].values：返回第二至四条数据，1，3为index，从0起
df.iloc[:,[1,2]]：：表示所有行，返回第2，3列数据，从0起
df.iloc[0:3,3:]：表示索引0-3行，返回第4列与之后列的数据，从0起
df.loc[1].values：返回index为1的行
df.loc[1:3].values：返回第二至四条数据，1，3为index
df.loc[:,["列名1","列名2"]]：：表示所有行，返回列数据
df.loc[0:3,"列名1":]：表示索引0-3行，返回列名1与之后列的数据
df.columns.get_loc("列名")：返回列索引值
df.pop("列名")：删除列
del df["列名"]：删除列
操作excel
pd.DataFrame(data,index,columns,dtype)
data: 可以为列表，如：["a","b","c"] ，[["abc",123],["dsf",343],["dkfs",90]]
可以为字典，如：
data={
"username": ["kate","mary","tom"],
"age": [12,32,4]
}或：
data={
"username": pd.Series(["kate","mary","tom"]),
"age": pd.Series([12,32,4])
}username，age作为column
index: 可以为列表
columns：可以为列表
df.append(df1)：合并两个表格数据，行操作
df.drop(0)：删除一行，0为index
df.reindex(index=[0,1,2],columns=["a","b","c"])：重建索引，如索引已存在使用原索引，不存在则创建
df.rename(index={0:"index0",1:"index1",2:"index2"},columns={"a":"cola","b":"colb","c":"colc"}：重命名索引
按列打印整张表数据：
for key,value in df.iteritems():
print(key)
print(value)
按行打印整张表数据：
for key,value in df.iterrows():
print(key)
print(value)按元组方式获取行数据：
for row in df.itertuples():
print(row)