使用python的pandas讀取excel文件中的數據詳情

Posted on by

一、讀取Excel文件

使用pandas的read_excel()方法，可通過文件路徑直接讀取。註意到，在一個excel文件中有多個sheet，因此，對excel文件的讀取實際上是讀取指定文件、並同時指定sheet下的數據。可以一次讀取一個sheet，也可以一次讀取多個sheet，同時讀取多個sheet時後續操作可能不夠方便，因此建議一次性隻讀取一個sheet。

當隻讀取一個sheet時，返回的是DataFrame類型，這是一種表格數據類型，它清晰地展示出瞭數據的表格型結構。

具體寫法為：

(1)不指定sheet參數，默認讀取第一個sheet，
 df=pd.read_excel("data_test.xlsx")
(2)指定sheet名稱讀取，
 df=pd.read_excel("data_test.xlsx",sheet_name="test1")
(3)指定sheet索引號讀取，
 df=pd.read_excel("data_test.xlsx",sheet_name=0) #sheet索引號從0開始

*同時讀取多個sheet，以字典形式返回。（不推薦）
(1)指定多個sheet名稱讀取， df=pd.read_excel("data_test.xlsx",sheet_name=["test1","test2"])
(2)指定多個sheet索引號讀取，
df=pd.read_excel("data_test.xlsx",sheet_name=[0,1])
(3)混合指定sheet名稱和sheet索引號讀取，
df=pd.read_excel("data_test.xlsx",sheet_name=[0,"test2"])

二、DataFrame對象的結構

對內容的讀取分有表頭和無表頭兩種方式，默認情形下是有表頭的方式，即將第一行元素自動置為表頭標簽，其餘內容為數據；當在read_excel()方法中加上header=None參數時是不加表頭的方式，即從第一行起，全部內容為數據。讀取到的Excel數據均構造成並返回DataFrame表格類型(以下以df表示)。

對有表頭的方式，讀取時將自動地將第一行元素置為表頭向量，同時為除表頭外的各行內容加入行索引（從0開始）、各列內容加入列索引（從0開始）。

如圖所示：

對無表頭的方式，讀取時將自動地為各行內容加入行索引（從0開始）、為各列內容加入列索引（從0開始），行索引從第一行開始。

如圖所示：

三、用values方式獲取數據

1.基本方法

df.values，獲取全部數據，返回類型為ndarray（二維）；
df.index.values，獲取行索引向量，返回類型為ndarray（一維）；
df.columns.values，獲取列索引向量（對有表頭的方式，是表頭標簽向量），返回類型為ndarray（一維）。

根據具體需要，通過ndarray的使用規則獲取指定數據。數據獲取的結構示意圖如下所示。

有表頭

無表頭

2.獲取指定數據的寫法

(1)獲取全部數據：
df.values，獲取全部數據，返回類型為ndarray（二維）。

(2)獲取某個值：
df.values[i , j]，第i行第j列的值，返回類型依內容而定。

(3)獲取某一行：
df.values[i]，第i行數據，返回類型為ndarray（一維）。

(4)獲取多行：
df.values[[i1 , i2 , i3]]，第i1、i2、i3行數據，返回類型為ndarray（二維）。

(5)獲取某一列：
df.values[: , j]，第j列數據，返回類型為ndarray（一維）。

(6)獲取多列：
df.values[:,[j1,j2,j3]]，第j1、j2、j3列數據，返回類型為ndarray（二維）。

(7)獲取切片：
df.values[i1:i2 , j1:j2]，返回行號[i1,i2)、列號[j1,j2)左閉右開區間內的數據，返回類型為ndarray（二維）。

3.示例

帶表頭，excel內容為

Python腳本為：

import pandas as pd

df = pd.read_excel("data_test.xlsx")

print("\n(1)全部數據：")
print(df.values)

print("\n(2)第2行第3列的值：")
print(df.values[1,2])

print("\n(3)第3行數據：")
print(df.values[2])

print("\n(4)獲取第2、3行數據：")
print(df.values[[1,2]])

print("\n(5)第2列數據：")
print(df.values[:,1])

print("\n(6)第2、3列數據：")
print(df.values[:,[1,2]])

print("\n(7)第2至4行、第3至5列數據：")
print(df.values[1:4,2:5])

執行結果：

四、用loc和iloc方式獲取數據

1.基本寫法

loc和iloc方法是通過索引定位的方式獲取數據的，寫法為loc[A, B]和iloc[A, B]。其中A表示對行的索引，B表示對列的索引，B可缺省。A、B可為列表或i1:i2（切片）的形式，表示多行或多列。

這兩個方法的區別是，loc將參數當作標簽處理，iloc將參數當作索引號處理。也就是說，在有表頭的方式中，當列索引使用str標簽時，隻可用loc，當列索引使用索引號時，隻可用iloc；在無表頭的方式中，索引向量也是標簽向量，loc和iloc均可使用；在切片中，loc是閉區間，iloc是半開區間。

獲取指定數據的寫法：

(1)獲取全部數據：
df.loc[: , :].values
或
df.iloc[: , :].values，返回類型為ndarray（二維）。

(2)獲取某個值：
無表頭
df.loc[i, j]
或
df.iloc[i, j]，第i行第j列的值，返回類型依內容而定。

有表頭
df.loc[i, "序號"]，第i行‘序號’列的值。
或
df.iloc[i, j]，第i行第j列的值。

(3)獲取某一行：
df.loc[i].values
或
df.iloc[i].values，第i行數據，返回類型為ndarray（一維）。

(4)獲取多行：
df.loc[[i1, i2, i3]].values，
或
df.iloc[[i1, i2, i3]].values，第i1、i2、i3行數據，返回類型為ndarray（二維）。

(5)獲取某一列：
無表頭
df.loc[:, j].values
或
df.iloc[:, j].values，第j列數據，返回類型為ndarray（一維）。

有表頭
df.loc[:,"姓名"].values，‘姓名’列數據，返回類型為ndarray（一維）。
或
df.iloc[:, j].values，第j列數據，返回類型為ndarray（一維）。

(6)獲取多列：
無表頭
df.loc[:, [j1 , j2]].values
或
df.iloc[:, [j1 , j2]].values，第j1、j2列數據，返回類型為ndarray（二維）。

有表頭
df.loc[:, ["姓名","性別"]].values，‘姓名’、‘性別’列數據，返回類型為ndarray（二維）；
df.iloc[:, [j1 , j2]].values，第j1、j2列數據，返回類型為ndarray（二維）。

(7)獲取切片：
無表頭
df.loc[i1:i2, j1:j2].values，返回行號[i1,i2]、列號[j1,j2]閉區間內的數據，返回類型為ndarray（二維）；
df.iloc[i1:i2, j1:j2].values，返回行號[i1,i2)、列號[j1,j2)左閉右開區間內的數據，返回類型為ndarray（二維）。

有表頭
df.loc[i1:i2, "序號":"姓名"].values，返回行號[i1,i2]、列號["序號","姓名"]閉區間的數據，返回類型為ndarray（二維）；
df.iloc[i1:i2, j1:j2].values，返回行號[i1,i2)、列號[j1,j2)左閉右開區間內的數據，返回類型為ndarray（二維）。

2.示例

帶表頭，excel內容為

Python腳本為：

import pandas as pd

df = pd.read_excel("data_test.xlsx")

print("\n(1)全部數據：")
print(df.iloc[:,:].values)

print("\n(2)第2行第3列的值：")
print(df.iloc[1,2])

print("\n(3)第3行數據：")
print(df.iloc[2].values)

print("\n(4)第2列數據：")
print(df.iloc[:,1].values)

print("\n(5)第6行的姓名：")
print(df.loc[5,"姓名"])

print("\n(6)第2至3行、第3至4列數據：")
print(df.iloc[1:3,2:4].values)

執行結果：

到此這篇關於使用python的pandas讀取excel文件中的數據詳情的文章就介紹到這瞭,更多相關python 讀取excel文件 內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！希望大傢以後多多支持WalkonNet！

推薦閱讀：