Python数据科学教程：Panadas库读取并处理Excel电子表格数据

Excel是一种广泛使用的电子表格程序。其用户友好性和有吸引力的功能使其成为数据科学中常用的工具。 Panadas库 提供了一个功能，可以读取整个 Excel 文件或仅读取一组选定的数据。还可以读取包含多个工作表的 Excel 文件。这里我们使用函数read_excel从中读取数据。

Excel 文件作为输入

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。

此文件可以使用 Windows 操作系统上的 Excel 程序创建。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

Shell

读取特定的列和行

就像读取上一章中看到的CSV文件一样，pandas库中的read_excel函数也可用于读取库。特定列和特定行。使用称为 .loc() 的多轴索引方法。选择显示特定行的 salary 和 name 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']])

Python

运行上面的示例代码，得到以下结果 -

   salary   name
1   515.2    Dan
3   729.0   Ryan
5   578.0  Rasmi

Shell

读取多个 Excel 工作表

也许不同数据格式的工作表也可以通过 ExcelFile Reader 类来调用函数read_excel。它只会将几张纸读入内存一次。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。

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'])

Python

运行上面的代码示例时，得到以下输出 -

****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

Shell