导语：一个参数一张Excel表，玩转Pandas的read_excel()表格读取

作者 | 黄伟呢

来源 | 数据分析与统计学之美

我觉得很有必要讲述这个文章，进行数据处理的第一步就是Python数据读取。但是你可能没想到，在进行数据读取的同时，我们其实可以配合相关参数做很多事儿，这对于后续的数据处理都是极其有帮助。

read_excel函数和read_csv函数，在参数上面有很多相同点，因此我就以read_excel函数为例，进行详细的说明。

1）sheet_name参数

含义：选择要读取的sheet表；

sheet_name=0表示默认读取第一个sheet表，等同于sheet_name=“sheet名称”；

sheet_name=[“sheet名”，0]会返回一个字典，然后可以利用键获取每一个sheet表中的数据；

sheet_name=None也会返回一个字典，但是会返回全部的sheet表；

① sheet_name=0和sheet_name="Sheet1"

df2 = pd.read_excel("readexcel.xlsx",sheet_name=0)
df2 = pd.read_excel("readexcel.xlsx",sheet_name="Sheet1")
df2

结果如下：

② sheet_name=[“sheet名”，0]

df2 = pd.read_excel("readexcel.xlsx",sheet_name=[0,1])
df2

结果如下：

接着，我们可以使用键值对的方式，获取每个sheet表中的数据。

注：关于sheet_name=None效果同上，只不过会返回所有的sheet表中的数据。

2）header参数

含义：指定某一行作为表头；

header=None专门针对没有表头的表，这也是默认值；

header=1指定第一行作为表头；

header=主要针对复合表头的情况；

① header=None

df3 = pd.read_excel("header.xlsx",header=None)
df3

结果如下：

② header=1

df3 = pd.read_excel("header.xlsx",sheet_name=2,header=1) 
df3

结果如下：

③ header=

df3 = pd.read_excel("header.xlsx",sheet_name=3,header=[0,1],index_col=0) 
df3

结果如下：

注意：上述用到了一个index_col参数，这个参数用于指定作为行索引的列，我就不详细举例了，看看下图。

3）usecols参数

含义：选择读取一张表中的指定列；

usecols=None也是默认情况，表示读取所有列；

usecols=[A,C]表示只选取A列和C列。usecols=[A,C:E]表示选择A列，C列、D列和E列；

usecols=[0,2]表示只选择第一列和第三列；

usecols=["列名1","列名2"...]这也是推荐使用的一种写法；

① usecols=None

df4 = pd.read_excel("usecols.xlsx",usecols=None)  这个代码效果同上
df8 = pd.read_excel("parse_dates.xlsx",
parse_dates=["数值日期1","文本日期2","文本日期3","文本日期4","文本日期5"])

结果如下：

③ parse_dates=[[1,2,3]]和parse_dates=[["年","月","日"]]

 只替换某一列中的某些值为NaN
df10 = pd.read_excel("na_values.xlsx",na_values={"列2":["0"," "]})
df10

结果如下：

9）converters参数

含义：对某一列使用Lambda函数，进行某种运算；

例如：converters={"工资":lambda x: x + 1000}；

df11 = pd.read_excel("converters.xlsx",
converters={"地址":lambda x: "中国"+x,"工资":lambda x: x + 1000})
df11

结果如下：

本文内容由小玥整理编辑！