Python pandas.read_excel用法及代码示例

用法: pandas.read_excel(io, sheet_name=0, header=0, names=None, index_col=None, usecols=None, squeeze=None, 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, decimal='.', comment=None, skipfooter=0, convert_float=None, mangle_dupe_cols=True, storage_options=None)

将 Excel 文件读入 pandas DataFrame。

支持从本地文件系统或 URL 读取的 xls 、 xlsx 、 xlsm 、 xlsb 、 odf 、 ods 和 odt 文件扩展名。支持读取单个工作表或工作表列表的选项。

参数：

io：str、字节、ExcelFile、xlrd.Book、路径对象或 file-like 对象

任何有效的字符串路径都是可接受的。该字符串可以是一个 URL。有效的 URL 方案包括 http、ftp、s3 和文件。对于文件 URL，需要一个主机。本地文件可以是：file://localhost/path/to/table.xlsx。

如果你想传入一个路径对象，pandas 接受任何 os.PathLike 。

通过file-like 对象，我们指的是具有read() 方法的对象，例如文件句柄(例如通过内置open 函数)或StringIO。

sheet_name：str、int、list 或 None，默认 0

字符串用于工作表名称。 zero-indexed 工作表位置使用整数(图表工作表不计为工作表位置)。字符串/整数列表用于请求多张工作表。指定无以获取所有工作表。

可用案例：

默认为0：第一张纸作为DataFrame
1：第二张纸作为DataFrame
"Sheet1" ：加载名称为 “Sheet1” 的工作表
[0, 1, "Sheet5"] ：将名为 “Sheet5” 的第一、第二和工作表加载为 DataFrame 的字典
无：所有工作表。

header：int，int 列表，默认 0

用于已解析 DataFrame 的列标签的行(0 索引)。如果传递了整数列表，则这些行位置将组合成 MultiIndex 。如果没有标题，请使用 None。

names：array-like，默认无

要使用的列名列表。如果文件不包含标题行，那么您应该显式传递 header=None。

index_col：int，int 列表，默认无

列(0 索引)用作 DataFrame 的行标签。如果没有这样的列，则通过 None。如果传递了一个列表，这些列将被组合成一个 MultiIndex 。如果使用 usecols 选择了数据子集，则 index_col 基于该子集。

usecols：int、str、list-like 或可调用的默认值无

如果没有，则解析所有列。
如果是 str，则表示 Excel 列字母和列范围的逗号分隔列表(例如 “A:E” 或 “A,C,E:F”)。范围包括双方。
如果是 int 列表，则表示要解析的列号列表。
如果是字符串列表，则表示要解析的列名列表。
如果可调用，则根据它评估每个列名并在可调用返回 True 时解析列。

根据上述行为返回列的子集。

squeeze：布尔值，默认为 False

如果解析的数据只包含一列，则返回一个系列。

dtype：类型名称或列的字典 -> 类型，默认无

数据或列的数据类型。例如： {‘a’:np.float64, ‘b’:np.int32} 使用 object 将数据保存在 Excel 中，而不是解释 dtype。如果指定了转换器，则将应用它们代替 dtype 转换。

engine：str，默认无

如果 io 不是缓冲区或路径，则必须将其设置为标识 io。支持的引擎：“xlrd”, “openpyxl”, “odf”, “pyxlsb”。发动机兼容性：

“xlrd” 支持 old-style Excel 文件 (.xls)。
“openpyxl” 支持更新的 Excel 文件格式。
“odf” 支持 OpenDocument 文件格式(.odf、.ods、.odt)。
“pyxlsb” 支持二进制 Excel 文件。

converters：字典，默认无

用于转换某些列中的值的函数的字典。键可以是整数或列标签，值是接受一个输入参数的函数，即 Excel 单元格内容，并返回转换后的内容。

true_values：列表，默认无

值视为 True。

false_values：列表，默认无

要考虑为 False 的值。

skiprows：list-like，int，或可调用，可选

文件开头要跳过的行号(0-indexed)或要跳过的行数(int)。如果可调用，可调用函数将根据行索引进行评估，如果应该跳过该行，则返回 True，否则返回 False。一个有效的可调用参数的例子是 lambda x:x in [0, 2] 。

nrows：整数，默认无

要解析的行数。

na_values：标量、str、list-like 或 dict，默认为 None

要识别为 NA/NaN 的附加字符串。如果 dict 通过，特定的 per-column NA 值。默认情况下，以下值被解释为 NaN：''、'#N/A'、'#N/AN/A'、'#NA'、'-1.#IND'、'-1.#QNAN'、 '-NaN'、'-nan'、'1.#IND'、'1.#QNAN'、'<NA>'、'N/A'、'NA'、'NULL'、'NaN'、'n /a'，‘nan’, ‘null’。

keep_default_na：布尔值，默认为真

解析数据时是否包含默认的 NaN 值。根据是否传入na_values，行为如下：

如果 keep_default_na 为 True，并且指定了 na_values，则将 na_values 附加到用于解析的默认 NaN 值。
如果 keep_default_na 为 True，并且未指定 na_values，则仅使用默认的 NaN 值进行解析。
如果 keep_default_na 为 False，并且指定了 na_values，则仅使用指定的 NaN 值 na_values 进行解析。
如果 keep_default_na 为 False，并且未指定 na_values，则不会将任何字符串解析为 NaN。

请注意，如果 na_filter 作为 False 传入，则 keep_default_na 和 na_values 参数将被忽略。

na_filter：布尔值，默认为真

检测缺失值标记(空字符串和na_values 的值)。在没有任何 NA 的数据中，传递 na_filter=False 可以提高读取大文件的性能。

verbose：布尔值，默认为 False

指示放置在非数字列中的 NA 值的数量。

parse_dates：bool，list-like，或 dict，默认为 False

行为如下：

布尔。如果 True -> 尝试解析索引。
int 或名称列表。例如如果 [1, 2, 3] -> 尝试将第 1、2、3 列分别解析为单独的日期列。
列表列表。例如如果 [[1, 3]] -> 合并第 1 列和第 3 列并解析为单个日期列。
字典，例如{‘foo’:[1, 3]} -> 将第 1、3 列解析为日期并调用结果 ‘foo’

如果列或索引包含不可解析的日期，则整个列或索引将作为对象数据类型原封不动地返回。如果您不想将某些单元格解析为日期，只需将它们在 Excel 中的类型更改为“Text”。对于非标准日期时间解析，请在 pd.read_excel 之后使用 pd.to_datetime 。

注意：iso8601 格式的日期存在fast-path。

date_parser：函数，可选

用于将字符串列序列转换为日期时间实例数组的函数。默认使用dateutil.parser.parser 进行转换。 Pandas 将尝试以三种不同的方式调用 date_parser，如果发生异常则前进到下一种方式：1) 将一个或多个数组(由 parse_dates 定义)作为参数传递； 2) 将parse_dates 定义的列中的字符串值连接(按行)到单个数组中并传递它； 3) 使用一个或多个字符串(对应于 parse_dates 定义的列)作为参数为每一行调用一次 date_parser。

thousands：str，默认无

用于将字符串列解析为数字的千位分隔符。请注意，此参数仅对在 Excel 中存储为 TEXT 的列是必需的，任何数字列都将被自动解析，无论显示格式如何。

decimal：str，默认“。”

将字符串列解析为数字时识别为小数点的字符。请注意，此参数仅对在 Excel 中存储为 TEXT 的列是必需的，任何数字列都将自动解析，无论显示格式如何。(例如，使用“，”表示欧洲数据)。

comment：str，默认无

注释掉行的剩余部分。将一个或多个字符传递给此参数以指示输入文件中的注释。注释字符串和当前行末尾之间的任何数据都将被忽略。

skipfooter：整数，默认 0

最后要跳过的行(0 索引)。

convert_float：布尔值，默认为真

将整数浮点数转换为 int(即 1.0 -> 1)。如果为 False，所有数值数据将作为浮点数读入：Excel 在内部将所有数字存储为浮点数。

mangle_dupe_cols：布尔值，默认为真

重复的列将被指定为“X”、“X.1”、……“X.N”，而不是“X”……“X”。如果列中存在重复名称，则传入 False 将导致数据被覆盖。

storage_options：字典，可选

对特定存储连接有意义的额外选项，例如主机、端口、用户名、密码等，如果使用将由 fsspec 解析的 URL，例如，从 “s3://”、“gcs://” 开始。如果为该参数提供本地路径或 file-like 缓冲区，则会引发错误。有关允许的键和值集，请参阅 fsspec 和后端存储实现文档。

DataFrame 或 DataFrames 的字典: 来自传入的 Excel 文件的 DataFrame。有关何时返回 DataFrames 的字典的更多信息，请参阅sheet_name 参数中的注释。

例子：

可以使用文件名作为字符串或打开的文件对象来读取文件：

>>> pd.read_excel('tmp.xlsx', index_col=0)  
       Name  Value
0   string1      1
1   string2      2
2  #Comment      3

>>> pd.read_excel(open('tmp.xlsx', 'rb'),
...               sheet_name='Sheet3')  
   Unnamed:0      Name  Value
0           0   string1      1
1           1   string2      2
2           2  #Comment      3

可以通过 index_col 和 header 参数指定索引和标题

>>> pd.read_excel('tmp.xlsx', index_col=None, header=None)  
     0         1      2
0  NaN      Name  Value
1  0.0   string1      1
2  1.0   string2      2
3  2.0  #Comment      3

列类型是推断的，但可以显式指定

>>> pd.read_excel('tmp.xlsx', index_col=0,
...               dtype={'Name':str, 'Value':float})  
       Name  Value
0   string1    1.0
1   string2    2.0
2  #Comment    3.0

True、False 和 NA 值以及千位分隔符具有默认值，但也可以显式指定。以字符串或字符串列表的形式提供您想要的值！

>>> pd.read_excel('tmp.xlsx', index_col=0,
...               na_values=['string1', 'string2'])  
       Name  Value
0       NaN      1
1       NaN      2
2  #Comment      3

可以使用 comment kwarg 跳过 excel 输入文件中的注释行

>>> pd.read_excel('tmp.xlsx', index_col=0, comment='#')  
      Name  Value
0  string1    1.0
1  string2    2.0
2     None    NaN

相关用法

注：本文由纯净天空筛选整理自pandas.pydata.org大神的英文原创作品 pandas.read_excel。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

例子：