Pandas read_excel是一个函数蟒蛇熊猫库允许我们在 Python 中读取 Excel 文件并将其转换为数据框 object.
read_excel函数可以导入具有不同扩展名的Excel文件，例如.xls、.xlsx、.xlsm和.ods。
Pandas read_excel 可以做什么？
该功能提供了大量参数来定制您的数据读取。例如，您可以指定工作表名称、读取多个工作表、选择标题行、读取时跳过行或列、定义列的数据类型、转换任何列数据等等。
在本教程中，我们将深入探讨您可以使用read_excel函数在 Python pandas 中读取和操作 Excel 文件中的数据。
发动机参数
read_excel 函数中的engine 参数指定用于读取Excel 文件的引擎。选项包括“xlrd”、“openpyxl”、“odf”和“xlsb”。
“xlrd”支持旧式 Excel 文件 (.xls)，openpyxl 支持较新的 Excel 文件格式 (.xlsx)，“odf”支持 OpenDocument 格式 (.ods)，“xlsb”支持二进制 Excel 格式。
如果您尝试在未安装所需引擎的情况下读取 Excel 文件，您将收到导入错误。
首先，你应该安装你需要的引擎，在我们的例子中，我们有一个（.xlsx）文件，所以我们需要安装 openpyxl。
pip install openpyxl
如果您需要读取（.ods）文件，您应该安装odfpy：
pip install odfpy
现在，让我们阅读我们的文件：
df = pd.read_excel('school_data.xlsx', engine='openpyxl')
print(df)
Output:
Student_ID Name Grade Score
0 1 Alice 10 85
1 2 Bob 9 92
2 3 Carol 8 78
...
阅读 Excel 工作表
在某些情况下，我们可能希望从包含多个工作表的 Excel 文件中读取单个工作表。为此，我们在 read_excel 函数中指定sheet_name 参数：
df = pd.read_excel('school_data.xlsx', sheet_name='Students')
print(df)
Output:
Student_ID Name Grade Score
0 1 Alice 10 85
1 2 Bob 9 92
2 3 Carol 8 78
...
在上面的示例中，我们从学校数据 Excel 文件中读取第一个工作表“学生”。
阅读多张纸
要从 Excel 文件读取多个工作表，请将工作表列表传递给sheet_name 参数。结果将是一个字典，其中键是工作表名称，值是数据帧。
all_sheets_df = pd.read_excel('school_data.xlsx', sheet_name=['Students', 'Teachers'])
print(all_sheets_df['Students'])
print(all_sheets_df['Teachers'])
Output:
Students DataFrame:
Student_ID Name Grade Score
0 1 Alice 10 85
1 2 Bob 9 92
2 3 Carol 8 78
...
Teacher_ID Name Subject
0 1 Alex English
1 2 Brenda Math
2 3 Charles Science
...
在这里，我们从学校数据 Excel 文件中读取了两张表“学生”和“教师”。
默认情况下，pandas 假定第一行是标题。但是，我们可以使用“header”参数来指定组成标题的行：
df = pd.read_excel('school_data.xlsx', header=0)
print(df)
Output:
Student_ID Name Grade Score
0 1 Alice 10 85
1 2 Bob 9 92
2 3 Carol 8 78
...
在这里，我们指定header=0，这表明我们选择了第一行（Pandas 的索引为 0）作为标题行。
如果您希望第一行不被视为标题，可以设置 header=None。
df = pd.read_excel('school_data.xlsx', header=None)
print(df)
Output:
0 1 2 3
Student_ID Name Grade Score
0 1 Alice 10 85
1 2 Bob 9 92
2 3 Carol 8 78
...
这意味着第一行将被视为数据行，而不是标题。
设置数据帧index_col
“index_col”参数允许我们指定用作 DataFrame 行标签的列。让我们将“Student_ID”列设置为索引：
df = pd.read_excel('school_data.xlsx', index_col='Student_ID')
print(df)
Output:
Name Grade Score
Student_ID
1 Alice 10 85
2 Bob 9 92
3 Carol 8 78
...
在此示例中，我们将“Student_ID”设置为 DataFrame 的索引，它现在用作行标签。
跳行
您可以使用skiprows参数在读取Excel文件时跳过行。您可以传递一个整数来从顶部跳过一定数量的行，或者传递一个行索引列表来跳过特定行：
df = pd.read_excel('school_data.xlsx', skiprows=1)
print(df)
Output:
1 Alice 10 85
0 2 Bob 9 92
1 3 Carol 8 78
...
在本例中，我们通过设置跳过了 DataFrame 的第一行skiprows=1。因此，以前的第二行现在被视为标题行。
df = pd.read_excel('school_data.xlsx',skiprows=[1,3])
print(df)
在上面的代码中，第一行和第三行被跳过。
有条件跳过
Skiprows 参数还接受一个可调用函数，允许基于条件的行跳过。
该函数根据行索引进行计算，并且函数返回 True 的行将被跳过：
# Function to skip even rows
skip_func = lambda x: x % 2 == 0
df = pd.read_excel('school_data.xlsx', skiprows=skip_func)
print(df)
Output:
Student_ID Name Grade Score
0 1 Alice 10 85
1 3 Carol 8 78
...
我们通过定义一个函数跳过了每个偶数行skip_func如果行索引为偶数，则返回 True。
限制读取的行数
当您想要从 Excel 文件中读取一定数量的行时，可以使用 nrows 参数。例如，仅读取前五行：
df = pd.read_excel('school_data.xlsx', nrows=5)
print(df)
Output:
Student_ID Name Grade Score
0 1 Alice 10 85
1 2 Bob 9 92
2 3 Carol 8 78
3 4 David 10 88
4 5 Emily 9 81
通过设置nrows=5，我们将 DataFrame 限制为仅包含 Excel 数据的前五行。
提取特定列（跳过列）
如果您对 Excel 文件中的特定列感兴趣，可以使用 usecols 参数。这可以是列名称列表或为要解析的列返回 True 的可调用函数：
df = pd.read_excel('school_data.xlsx', usecols=['Name', 'Score'])
print(df)
Output:
Name Score
0 Alice 85
1 Bob 92
2 Carol 78
...
在本例中，我们仅从 Excel 文件中读取“名称”和“分数”列。如果您正在处理大型数据集并且只需要列的子集，这可以节省大量内存。
另外，您可以将函数传递给 usecols，如下所示：
def column_filter(col_name):
return col_name.startswith('S')
df = pd.read_excel('school_data.xlsx', usecols=column_filter)
Output:
Student_ID Score
0 1 85
1 2 92
2 3 78
...
在这里，我们只返回以“S”字符开头的列。
控制数据类型
默认情况下，Pandas 尝试推断每列的最佳数据类型。但有时，您可能想要强制执行特定类型，这可以使用“dtype”参数来完成。
这可以是单个类型或将列名映射到数据类型的字典：
df = pd.read_excel('school_data.xlsx', dtype={'Score': 'int'})
print(df.dtypes)
Output:
Student_ID int64
Name object
Grade int64
Score int32
dtype: object
在这里，我们指定“Score”列应被视为整数 (int32)。生成的 DataFrame 验证此数据类型。
处理布尔数据
有时，Excel 文件可能包含表示为非标准值（例如“是/否”或“Y/N”）的布尔数据。
“true_values”和“false_values”参数允许您指定哪些值应被视为 True 或 False：
df = pd.read_excel('school_data.xlsx', true_values=['Y'], false_values=['N'])
print(df)
Output:
Student_ID Name Grade Score Passed
0 1 Alice 10 85 True
1 2 Bob 9 92 True
2 3 Carol 8 78 False
...
在上面的示例中，“Passed”列中的“Y”被解释为 True，“N”被解释为 False。
转换器参数
Converters 参数允许您在导入过程中将函数应用于特定列。这对于在加载数据时对其执行转换非常有用：
# Function to capitalize names
capitalize = lambda x: x.capitalize()
df = pd.read_excel('school_data.xlsx', converters={'Name': capitalize})
print(df)
Output:
Student_ID Name Grade Score
0 1 Alice 10 85
1 2 Bob 9 92
2 3 Carol 8 78
...
在这里，由于应用了“大写”功能，“名称”列值在导入过程中被大写。
解析日期列
‘parse_dates’参数有助于将类似日期的数据转换为日期时间对象：
df = pd.read_excel('school_data.xlsx', parse_dates=['DOB'])
print(df.dtypes)
Output:
Student_ID int64
Name object
Grade int64
DOB datetime64[ns]
dtype: object
在此示例中，我们将“DOB”列解析为日期时间对象。这在某些情况下非常有用，例如在两个日期之间搜索或查找日期大于或小于特定日期的行。
处理非美国日期格式
Pandas’ read_excel解析日期时，函数默认使用美国日期格式 (mm/dd/yyyy)。但是，您可能会遇到日期采用非美国格式（例如 dd/mm/yyyy）的 Excel 文件。
为了正确解析非美国日期格式，我们必须首先将日期加载为字符串类型，然后使用pd.to_datetime具有正确的格式：
df = pd.read_excel('students.xlsx', dtype={'Enrollment Date': str})
df['Enrollment Date'] = pd.to_datetime(df['Enrollment Date'], format='%d/%m/%Y')
print(df['Enrollment Date'])
Output:
0 2022-09-01
1 2022-09-02
2 2022-09-03
3 2022-09-04
Name: Enrollment Date, dtype: datetime64[ns]
在此示例中，加载数据后，“注册日期”被正确解析为“dd/mm/yyyy”格式的日期列。
处理 NaN 值
默认情况下，read_excel 函数将空单元格解释为 NaN。但是，如果您的单元格包含另一个值而不是空值，会发生什么情况？
您可以使用“na_values”参数指定 Pandas 如何处理缺失值或 NaN 的单元格：
df = pd.read_excel('school_data.xlsx', na_values='N/A')
print(df)
Output:
Student_ID Name Grade Score
0 1 Alice 10 85.0
1 2 Bob 9 92.0
2 3 Carol 8 NaN
...
在此示例中，只要在 Excel 数据中找到“N/A”，它就会被 DataFrame 中的 NaN 值替换。
这些只是“pandas read_excel”函数提供的众多强大功能中的一小部分。
每个参数都可以让您更好地控制如何将数据从 Excel 文件导入到 pandas DataFrame 中。
