100天精通Python（数据分析篇）——第57天：Pandas读写Excel（read_excel、to_excel）
文章目录
- 每篇前言
- 二、Excel文件
-
- 1. read_excel()
-
- io
- sheet_name
- header
- names
- index_col
- usecols
- squeeze
- skiprows
- 2. to_excel()
-
- excel_writer
- sheet_name
- na_rep
- index
- columns
- 二、书籍推荐
每篇前言
作者介绍：Python领域优质创作者、华为云享专家、阿里云专家博主、2021年CSDN博客新星Top6
- 本文已收录于Python全栈系列专栏：《100天精通Python从入门到就业》
- 此专栏文章是专门针对Python零基础小白所准备的一套完整教学，从0到100的不断进阶深入的学习，各知识点环环相扣
- 订阅专栏后续可以阅读Python从入门到就业100篇文章；还可私聊进两百人Python全栈交流群（手把手教学，问题解答）； 进群可领取80GPython全栈教程视频 + 300本计算机书籍：基础、Web、爬虫、数据分析、可视化、机器学习、深度学习、人工智能、算法、面试题等。
- 加入我一起学习进步，一个人可以走的很快，一群人才能走的更远！
二、Excel文件
包括xls和xlsx两种格式均得到支持，底层是调用了xlwt和xlrd进行excel文件操作，相应接口为read_excel()和to_excel()
1. read_excel()
格式代码：
pandas.read_excel(io,
sheet_name=0,
header=0,
names=None,
index_col=None,
parse_cols=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,
na_filter=True,
verbose=False,
parse_dates=False,
date_parser=None,
thousands=None,
comment=None,
skip_footer=0,
skipfooter=0,
convert_float=True,
mangle_dupe_cols=True,
**kwds)
常用参数：
-
io：文件路径
-
sheet_name：默认是sheetname为0（第一个sheet表）；sheet_name=“Sheet1”（指定表名）；返回多表使用sheetname=[0,1]，若sheetname=None是返回全表 。
-
header ：指定作为列名的行，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
-
names：指定列的名字，传入一个list数据
-
index_col：指定列为索引列，默认None列（0索引）用作DataFrame的行标签。
-
usecols：该参数为返回指定的列。int或list，默认为None。
如果为None则解析所有列
如果为int则表示要解析的最后一列
如果为int列表则表示要解析的列号列表
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，也就是不改变数据类型。其作用是指定列的数据类型。
io
指定文件路径
>>> import pandas as pd
>>>
>>> df = pd.read_excel(r'E:\Python学习\test.xls')
>>> print(df)
姓名 年龄 性别
0 小白 20 男
1 小黑 21 男
2 小红 20 女
sheet_name
默认是sheetname为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。
>>> import pandas as pd
>>>
>>> # 一、默认情况
>>> df = pd.read_excel(r'E:\Python学习\test.xls')
>>> print(df)
姓名 年龄 性别
0 小白 20 男
1 小黑 21 男
2 小红 20 女
>>>
>>> # 二、指定第一个sheet表格
>>> # 1. 索引方式
>>> df = pd.read_excel(r'E:\Python学习\test.xls', sheet_name=0)
>>> print(df)
姓名 年龄 性别
0 小白 20 男
1 小黑 21 男
2 小红 20 女
>>> # 2. sheet表名方式指定第一个
>>> df = pd.read_excel(r'E:\Python学习\test.xls', sheet_name='Sheet1')
>>> print(df)
姓名 年龄 性别
0 小白 20 男
1 小黑 21 男
2 小红 20 女
>>>
>>> # 三、指定多个表格
>>> df = pd.read_excel(r'E:\Python学习\test.xls', sheet_name=[0, 1])
>>> print(df)
{0: 姓名 年龄 性别
0 小白 20 男
1 小黑 21 男
2 小红 20 女, 1: 学科 成绩
0 语文 100
1 数学 90
2 英语 80}
>>>
>>> # 三、返回全表
>>> # 1. sheetname=None
>>> df = pd.read_excel(r'E:\Python学习\test.xls', sheet_name=None)
>>> print(df)
{'Sheet1': 姓名 年龄 性别
0 小白 20 男
1 小黑 21 男
2 小红 20 女, 'Sheet2': 学科 成绩
0 语文 100
1 数学 90
2 英语 80}
>>> # 2. 指定多表时选择全部
>>> df = pd.read_excel(r'E:\Python学习\test.xls', sheet_name=[0, 1])
>>> print(df)
{0: 姓名 年龄 性别
0 小白 20 男
1 小黑 21 男
2 小红 20 女, 1: 学科 成绩
0 语文 100
1 数学 90
2 英语 80}
header
指定作为列名的行，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
>>> import pandas as pd
>>>
>>> # 一、默认第一行数据作为列名
>>> df = pd.read_excel(r'E:\Python学习\test.xls')
>>> print(df)
姓名 年龄 性别
0 小白 20 男
1 小黑 21 男
2 小红 20 女
>>> df = pd.read_excel(r'E:\Python学习\test.xls', header=0)
>>> print(df)
姓名 年龄 性别
0 小白 20 男
1 小黑 21 男
2 小红 20 女
>>>
>>> # 二、数据不含作为列名的行
>>> df = pd.read_excel(r'E:\Python学习\test.xls', header=None)
>>> print(df)
0 1 2
0 姓名 年龄 性别
1 小白 20 男
2 小黑 21 男
3 小红 20 女
names
指定列的名字，传入一个list数据
>>> import pandas as pd
>>>
>>> 设置列名为A、B、C
>>> df = pd.read_excel(r'E:\Python学习\test.xls', names=['A', 'B', 'C'])
>>> print(df)
A B C
0 小白 20 男
1 小黑 21 男
2 小红 20 女
index_col
指定列为索引列，默认None列（0索引）用作DataFrame的行标签。
>>> import pandas as pd
>>>
>>>> # 设置第一列为行索引
>>> df = pd.read_excel(r'E:\Python学习\test.xls', index_col=0)
>>> print(df)
年龄 性别
姓名
小白 20 男
小黑 21 男
小红 20 女
usecols
该参数为返回指定的列。int或list，默认为None。如果为None则解析所有列，如果为int则表示要解析的最后一列，如果为int列表则表示要解析的列号列表，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
>>> import pandas as pd
>>>
>>> # 一、传入字符串
>>> # 1. 指定不连续列
>>> df = pd.read_excel(r'E:\Python学习\test.xls', usecols="A,C")
>>> print(df)
姓名 性别
0 小白 男
1 小黑 男
2 小红 女
>>> # 2. 指定A、B、C列
>>> df = pd.read_excel(r'E:\Python学习\test.xls', usecols="A,B:C")
>>> print(df)
姓名 年龄 性别
0 小白 20 男
1 小黑 21 男
2 小红 20 女
>>>
>>> # 二、传入列表
>>> # 1. 索引方式
>>> df = pd.read_excel(r'E:\Python学习\test.xls', usecols=[0, 1, 2])
>>> print(df)
姓名 年龄 性别
0 小白 20 男
1 小黑 21 男
2 小红 20 女
>>> # 2. 表头方式
>>> df = pd.read_excel(r'E:\Python学习\test.xls', usecols=['姓名', '年龄', '性别'])
>>> print(df)
姓名 年龄 性别
0 小白 20 男
1 小黑 21 男
2 小红 20 女
squeeze
默认为False，如果解析的数据只包含一列，True则返回一个Series。
>>> import pandas as pd
>>>
>>> # 只读取第一列，设置为Series
>>> df = pd.read_excel(r'E:\Python学习\test.xls', usecols="A",squeeze=True)
>>> print(df)
0 小白
1 小黑
2 小红
Name: 姓名, dtype: object
>>> print(type(df))
<class 'pandas.core.series.Series'>
skiprows
省略开头指定行数的数据
>>> import pandas as pd
>>>
>>> # 跳过第一行数据
>>> df = pd.read_excel(r'E:\Python学习\test.xls', skiprows=1)
>>> print(df)
小白 20 男
0 小黑 21 男
1 小红 20 女
>>> print(type(df))
<class 'pandas.core.frame.DataFrame'>
2. to_excel()
语法格式：
pandas.to_excel(self,
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)
常用参数：
- excel_writer : 字符串或ExcelWriter 对象，文件路径或现有的ExcelWriter
- sheet_name :字符串,默认“Sheet1”，将包含DataFrame的表的名称。
- na_rep : 字符串,默认‘ ’，缺失数据表示方式
- float_format : 字符串,默认None，格式化浮点数的字符串
- columns : 序列,可选，要编写的列
- header : 布尔或字符串列表，默认为Ture。写出列名。如果给定字符串列表，则假定它是列名称的别名。
- index :布尔,默认的Ture，写行名（索引）
- index_label : 字符串或序列，默认为None。如果需要，可以使用索引列的列标签。如果没有给出，标题和索引为true，则使用索引名称。如果数据文件使用多索引，则需使用序列。
excel_writer
指定文件路径
>>> import pandas as pd
>>>
>>> data = [{'A': 1, 'B': 2}, {'A': 3, 'B': 4, 'C': 5}]
>>> df = pd.DataFrame(data)
>>> print(df)
A B C
0 1 2 NaN
1 3 4 5.0
# 写入指定路径下
>>> df.to_excel(r'E:\Python学习\test1.xlsx')
在指定路径下文件新文件：
sheet_name
指定sheet表名，可以接受字符串，默认为“sheet1”
1）写入单个sheet：
>>> import pandas as pd
>>>
>>> data = [{'A': 1, 'B': 2}, {'A': 3, 'B': 4, 'C': 5}]
>>> df = pd.DataFrame(data)
>>> print(df)
A B C
0 1 2 NaN
1 3 4 5.0
# 设置sheet表名为test
>>> df.to_excel(r'E:\Python学习\test1.xlsx', sheet_name='test')
运行结果：
2）写入多个sheet表：
>>> import pandas as pd
>>>
>>> df1 = pd.DataFrame([{'A': 1, 'B': 2}, {'A': 3, 'B': 4, 'C': 5}])
>>> df2 = pd.DataFrame([{'A': 1, 'B': 2}, {'A': 3, 'B': 4, 'C': 5}])
>>>
>>> with pd.ExcelWriter(r'E:\Python学习\test.xlsx') as writer:
... df1.to_excel(writer, sheet_name='test1')
... df2.to_excel(writer, sheet_name='test2')
运行结果：
na_rep
表示替补缺失数据，不写默认为空
>>> import pandas as pd
>>>
>>> data = [{'A': 1, 'B': 2}, {'A': 3, 'B': 4, 'C': 5}]
>>> df = pd.DataFrame(data)
>>> print(df)
A B C
0 1 2 NaN
1 3 4 5.0
# 把空值替换为100
>>> df.to_excel(r'E:\Python学习\test.xlsx', na_rep='100')
运行结果：
index
表示是否写行索引，默认为True
1）不写入行索引：
>>> import pandas as pd
>>>
>>> data = [{'A': 1, 'B': 2}, {'A': 3, 'B': 4, 'C': 5}]
>>> df = pd.DataFrame(data)
>>> print(df)
A B C
0 1 2 NaN
1 3 4 5.0
>>> df.to_excel(r'E:\Python学习\test.xlsx', index=False)
运行结果：
2）写入行索引：
>>> import pandas as pd
>>>
>>> data = [{'A': 1, 'B': 2}, {'A': 3, 'B': 4, 'C': 5}]
>>> df = pd.DataFrame(data)
>>> print(df)
A B C
0 1 2 NaN
1 3 4 5.0
>>> df.to_excel(r'E:\Python学习\test.xlsx', index=True)
运行结果：
columns
指定要写入的列
>>> import pandas as pd
>>>
>>> data = [{'A': 1, 'B': 2}, {'A': 3, 'B': 4, 'C': 5}]
>>> df = pd.DataFrame(data)
>>> print(df)
A B C
0 1 2 NaN
1 3 4 5.0
# 只写入A、B列
>>> df.to_excel(r'E:\Python学习\test.xlsx', columns=['A','B'])
运行结果：
二、书籍推荐
【书籍内容简介】
- 世间可曾存在着这样一个时空？那里高度自由，不会受到任何来自外界的干涉和干扰；那里无限可能，可凭个人喜好随性创造……
有的，就叫“元宇宙”！
元宇宙，可以满足不同人不同的期许，可以实现不同人不同的梦想，甚至可以容下世间所有截然不同的存在！心动吗？别急，在此之前，我们需要先明白“什么是元宇宙”，以及，“如何架构属于自己的元宇宙”——
北京大学出版社联合文津图书奖得主、全国十大科普教育平台“量子学派”与中国科学院院士，共同推出《元宇宙：图说元宇宙、设计元宇宙（全两册）》一书，不仅用场景化的叙事艺术带你轻松入门元宇宙，更有320幅手绘插图、十一维元宇宙关系图谱和大拉页版“2140世界设定”，助你直观地了解并且亲手架构独一无二的元宇宙！
元宇宙时代已缓缓开启，做好准备就启程吧！
- 京东自营：https://item.jd.com/13577756.html