Python 操作Excel操作总结,包括Series和Data Frame的互转、使用pandas读取Excel表格、python读取多个数据表、python合并多个工作表以及写入Excel文件
pandas是一款基于NumPy的数据分析工具。它提供了大量的能使我们快捷处理数据的方法。
常用数据类型
- Series：一维数组，与NumPy中的一维数组相似，和Python自身的list也相似。区别自于Series中的数据只能是一种数据，而list中的数据可以不一样
- Time-Series：以时间为索引的Series
- DataFrame：二维的表格型数据结构。经常用于处理Excel表格数据等，这也是我们本节课会重点讲的内容
- Panel：三维数组（0.25版本后，统一使用xarray，不再支持Panel）
Series和Data Frame的互转
- 利用to_frame()实现Series转DataFrame
- 利用squeeze()实现单列数据DataFrame转Series
import pandas as pd
s = pd.Series(["北山啦","关注","点赞"])
s
0 北山啦
1 关注
2 点赞
dtype: object
s = s.to_frame(name="列名")
s
s.squeeze()
0 北山啦
1 关注
2 点赞
Name: 列名, dtype: object
使用pandas读取Excel表格
在pandas中，读取Excel非常简单，它只有一个方法：readExcel()，但是的参数非常多
主要常用的参数，我们先对其进行了解：
- io：一般指定excel文件路径就可以了。也可以是其他Excel读取对象如ExcelFile、xlrd.Book等
- sheet_name：用于指定工作表（sheet）名称。可以是数字（工作表从0开始的索引）
- header：指定作为列名的行，默认为0，即第一行为列名。如果数据不含列名，则设为None
- names：指定新的列名列表。列表中元素个数和列数必须一致
- index_col：指定列为索引列，默认None指的是索引为0的第一列为索引列
- usecols：要解析数据的列，可以是int或者str的列表，也可以是以逗号分隔的字符串(pandas 0.24新增功能)，例如：”A:F”，表示从A列到F列，”A,C,F”表示A、C、F三列，还可以写成”A,C,F,K:Q”
- dtype：各列的数据类型，例如：{‘a’: np.float64, ‘b’: np.int32}
- converters：用于转换各列数据的函数的字典数据，例如：{‘a’: func_1, ‘b’: func_2}
import pandas as pd
sheet = pd.read_excel(io="测试数据.xlsx")
sheet.head()
我们先来看一下取回的数据的数据类型是什么。
print(type(sheet))
<class 'pandas.core.frame.DataFrame'>
可以看到，它就是我们前面提到的DataFrame数据。，直接通过它的列名称来获取即可，比如，要获得所有的工资信息，可以如下：
print(sheet['工资'])
0 7653
1 8799
2 9800
3 12880
4 3600
5 3800
6 8976
7 12000
8 8900
9 7688
10 6712
11 9655
12 6854
13 8122
14 6788
15 8830
Name: 工资, dtype: int64
可以看到它的所有的数据都列出来了，并且这一列数据的数据类型是int64，即64位整型。
得到这一列数据后，我们可以对它进行处理。
for i in sheet['工资']:
print(i)
7653
8799
9800
12880
3600
3800
8976
12000
8900
7688
6712
9655
6854
8122
6788
8830
或者将它转换成列表后再处理：
salaries = list(sheet['工资'])
print(salaries)
[7653, 8799, 9800, 12880, 3600, 3800, 8976, 12000, 8900, 7688, 6712, 9655, 6854, 8122, 6788, 8830]
计算大家的平均工资：
sum = 0
for i in salaries:
sum += i
print(f"总工资：{sum}")
ave = sum / len(salaries)
print(f"平均工资：{ave}")
总工资：131057
平均工资：8191.0625
我们也可以对求和的方法，使用lambda表达式（匿名函数）结合reduce()函数进行。reduce()函数会对列表、元组等可遍历的元素依次进行运算：将第一个元素和第二个元素进行运算，并将结果和第三个元素进行运算，直到最后一个元素。
import functools
sum = functools.reduce(lambda x, y: x + y, salaries)
print(sum)
131057
我们可以使用read_excel中的usecols参数，通过它指定我们需要读取数据的列，它接收字符串或者整数列表格式的数据，列表中列出我们想要取出数据的列的名称或者索引。
import pandas as pd
sheet = pd.read_excel(io="测试数据.xlsx", usecols=[2])
sheet
或者：
import pandas as pd
sheet = pd.read_excel(io="测试数据.xlsx", usecols=['工资'])
sheet
如果想在读取数据的时候，将原来的列的名字改成其他名字，则可以使用names参数指定为其他列名：
import pandas as pd
sheet = pd.read_excel(io="测试数据.xlsx", names=['name','age','salary'])
sheet
需要注意的是，此时，我们如果要对这个DataFrame进行操作，就需要使用新的列名了。 如果我们想在取出工资数据的时候，以“￥12,345”的格式显示，则可以在获取数据的时候，就指定转换函数：
import pandas as pd
def formatsalary(num):
return f"￥{format(num,',')}"
sheet = pd.read_excel(io="测试数据.xlsx", usecols=['工资'],converters={'工资':formatsalary})
sheet
上面通过converters指定了“工资”列，使用formatsalary函数来处理，所以取出来的数据就已经处理过的了。当然，我们也可以取出来后在 对其进行格式化。
其他的参数，大家可以自己进行试验。下面我们再来看一下，假设我要取出所有大于等于8000的工资，该如何进行处理呢？我们可以使用按照条件来获取DataFrame的行数据：
import pandas as pd
sheet = pd.read_excel(io="测试数据.xlsx", usecols=['工资'])
high_salary = sheet[sheet['工资'] >= 8000]
high_salary
如果想取得工资大于等于8000小于等于10000的数据：
import pandas as pd
sheet = pd.read_excel(io="测试数据.xlsx")
high_salary = sheet[(sheet['工资'] >= 8000) & (sheet['工资'] <=10000)]
high_salary
如果只想显示符合条件的姓名和工资，则可以通过列表的方式指定要显示的列：
import pandas as pd
sheet = pd.read_excel(io="测试数据.xlsx")
high_salary = sheet[(sheet['工资'] >= 8000) & (sheet['工资'] <=10000)][['姓名','工资']]
high_salary
读取多个数据表
在上面的例子中，虽然在“测试数据.xlsx”文件中包含了两个数据表（sheet），但它只读取了第一个数据表的内容，如果我想把两个数据表数据都读取出来该怎么办呢？可以指定sheet_name参数，它接收字符串、数字、字符串或数字列表以及None。如果指定为None，则返回所有数据表数据。默认为0，即返回第一个数据表数据。
import pandas as pd
sheet = pd.read_excel(io="测试数据.xlsx", sheet_name=[0, 1])
sheet
{0: 姓名 年龄 工资
0 OLIVER. 23 7653
1 HARRY. 45 8799
2 GEORGE. 34 9800
3 NOAH. 54 12880
4 JACK. 34 3600
5 JACOB. 32 3800
6 MUHAMMAD. 51 8976
7 LEO. 46 12000
8 Harper. 42 8900
9 Evelyn. 38 7688
10 Ella. 33 6712
11 Avery. 26 9655
12 Scarlett. 37 6854
13 Madison. 41 8122
14 Lily. 54 6788
15 Eleanor. 28 8830,
1: 姓名 年龄 工资
0 张三 39 15000
1 李四 43 16000
2 李雷 25 6800
3 韩梅梅 28 23000}
可以看到，得到了两个数据表的数据。此时要得到数据表中的数据，就需要先通过sheet[0]、sheet[1]得到第一个数据表的所有数据，再在这个数据表数据中对数据进行处理了，例如：
sheet[1]
如果用的是数据表的名字，则应该写成sheet[‘甲公司’]。
如果我们想把这两个数据表的数据合并到一起，可以使用pandas中的concat()函数：
import pandas as pd
sheet = pd.read_excel(io="测试数据.xlsx", sheet_name=[1, 0])
st = pd.concat(sheet,ignore_index = True)
st
这里ignore_index的意思是忽略各自的索引，统一使用新的索引。
合并多个工作表
多个EXCECL合并到一个工作表中，Python来帮你实现
# -*- coding:utf-8 -*-
# @Address:https://beishan.blog.csdn.net/
# @Author:北山啦
import pandas as pd
import os
path = r"E:\Python\00数据分析\RichardFu123\五省PM2.5\archive"
dfs,index = [],0
for i in os.listdir(path):
dfs.append(pd.read_csv(os.path.join(path,i)))
print(f"正在合并{index+1}工作表")
index += 1
df = pd.concat(dfs)
df.to_csv("数据汇总.csv",index=False)
正在合并1工作表
正在合并2工作表
正在合并3工作表
正在合并4工作表
正在合并5工作表
正在合并6工作表
正在合并7工作表
写入Excel文件
可以将DataFrame数据写入到一个新的Excel文件中，例如，我们可以将上面合并的两个Excel数据表数据，写入到新的Excel文件中：
df = pd.DataFrame(st)
df.to_excel("合并工资报表.xlsx")
这里我们使用DataFrame上的to_excel()方法将数据写入到Excel文件中。它的原型是：to_excel(self, excel_writer, sheet_name=‘Sheet1’, na_rep=’’, float_format=None, columns=None, header=True, index=True, index_label=None, startrow=0, startcol=0, engine=None, merge_cells=True, encoding=None, inf_rep=‘inf’, verbose=True, freeze_panes=None)，常用的参数说明：
- excel_writer：需要指定一个写入的文件，可以是字符串或者ExcelWriter对象
- sheet_name：写入的工作表名称，是一个字符串，默认为’Sheet1’
- na_rep：当没有数据的时候，应该填入的默认值，默认为空字符串
- float_format：浮点数格式，默认为None。可以按照float_format="%.2f"这样的方式指定
- columns：指定写入的列名顺序，是一个列表。
- header：是否有表头，默认为True，可以是布尔类型或者字符串列表。
- index：是否加上行索引，默认为True。
- index_label：索引标签，可以是字符串或者列表，默认为None。
- startrow：插入数据的起始行，默认为0。
- startcol：插入数据的其实列，默认0
- engine：使用的写文件引擎，例如：‘openpyxl’ 、 ‘xlsxwriter’
- 当然，我们也可以不限于将一个Excel表中的数据写入到另一个Excel文件，我们自己在程序中运行得到的数据，也可以将其组织成DataFrame后，写入到Excel文件中。
import pandas as pd
df = pd.DataFrame({'姓名':['李雷', '韩梅梅', '小明',
'张三', '李四', '王五'],
'年龄':[31, 22, 30, 49, 38, 33]})
df.to_excel("员工表.xlsx", sheet_name="202002入职")
看看是不是写入到文件了：
f = pd.read_excel("员工表.xlsx")
f
可以看到，确实已经写入进去了。
那如果要写多个数据到一个Excel文件的多个数据表（sheet）中，该怎么处理呢？此时可以使用下面的方法。
df1 = pd.DataFrame({'姓名':['李雷', '韩梅梅', '小明',
'张三', '李四', '王五'],
'年龄':[31, 22, 30, 49, 38, 33]})
df2 = pd.DataFrame({'Names': ['Andrew', 'Tomas', 'Larry',
'Sophie', 'Sally', 'Simone'],
'Age':[42, 37, 39, 35, 29, 27]})
dfs = {'国内员工':df1, '外籍员工':df2}
writer = pd.ExcelWriter('Employees.xlsx', engine='xlsxwriter')
for sheet_name in dfs.keys():
dfs[sheet_name].to_excel(writer, sheet_name=sheet_name, index=False)
writer.save()
看看是不是已经写入到文件了：
sheet = pd.read_excel(io="Employees.xlsx", sheet_name=None)
sheet
{'国内员工': 姓名 年龄
0 李雷 31
1 韩梅梅 22
2 小明 30
3 张三 49
4 李四 38
5 王五 33,
'外籍员工': Names Age
0 Andrew 42
1 Tomas 37
2 Larry 39
3 Sophie 35
4 Sally 29
5 Simone 27}
但是仔细看的话，会发现上面的外籍员工这个数据表，字段Names和Age反了，这是因为DataFrame自动按照字母顺序给我们排序了。要避免这种情况，需要在to_excel()中加上columns来指定表头字段顺序：
df1 = pd.DataFrame({'姓名':['李雷', '韩梅梅', '小明',
'张三', '李四', '王五'],
'年龄':[31, 22, 30, 49, 38, 33]})
df2 = pd.DataFrame({'Names': ['Andrew', 'Tomas', 'Larry',
'Sophie', 'Sally', 'Simone'],
'Age':[42, 37, 39, 35, 29, 27]})
dfs = {'国内员工':df1, '外籍员工':df2}
cols = {"国内员工":['姓名', '年龄'],"外籍员工":['Names','Age']} # 指定列名顺序
writer = pd.ExcelWriter('Employees.xlsx', engine='xlsxwriter')
for sheet_name in dfs.keys():
dfs[sheet_name].to_excel(writer, sheet_name=sheet_name, index=False, columns = cols[sheet_name])
writer.save()
再来看看现在是否正确：
sheet = pd.read_excel(io="Employees.xlsx", sheet_name=None)
sheet
{'国内员工': 姓名 年龄
0 李雷 31
1 韩梅梅 22
2 小明 30
3 张三 49
4 李四 38
5 王五 33,
'外籍员工': Names Age
0 Andrew 42
1 Tomas 37
2 Larry 39
3 Sophie 35
4 Sally 29
5 Simone 27}
现在没问题了。
还可以使用前面读写文件的时候的with … 这种方式。
上面的方式，会覆盖原来的文件内容。如果要在原有的Excel表中加上一个新的数据表（sheet），可以通过下面的方式：
from openpyxl import load_workbook
book = load_workbook("Employees.xlsx") # 加载原有的数据到Workbook
df3 = pd.DataFrame({'Names': ['Judy'],
'Age':[27]})
with pd.ExcelWriter('Employees.xlsx',
engine='openpyxl') as writer:
writer.book = book # 让writer加入原来的两个workbook
df3.to_excel(writer, sheet_name='候补员工', index=False, columns=['Names', 'Age'])
writer.save()
import pandas as pd
sheet = pd.read_excel(io="Employees.xlsx", sheet_name=None)
sheet
{'国内员工': 姓名 年龄
0 李雷 31
1 韩梅梅 22
2 小明 30
3 张三 49
4 李四 38
5 王五 33,
'外籍员工': Names Age
0 Andrew 42
1 Tomas 37
2 Larry 39
3 Sophie 35
4 Sally 29
5 Simone 27,
'候补员工': Names Age
0 Judy 27}
可以看到，在原来的Excel文件中，已经加入了“候补员工”这个数据表。加入需要在某个数据表中加入数据（append），可以使用下面方式：
from openpyxl import load_workbook
book = load_workbook("Employees.xlsx") # 加载原有的数据到Workbook
df4 = pd.DataFrame({'Names': ['Moore'],
'Age':[38]})
with pd.ExcelWriter('Employees.xlsx',
engine='openpyxl') as writer:
writer.book = book # 让writer加入原来的3个workbook
writer.sheets = {ws.title: ws for ws in book.worksheets}
start_row = writer.sheets['候补员工'].max_row
df4.to_excel(writer, sheet_name='候补员工', index=False, columns=['Names', 'Age'], startrow=start_row,header=False)
writer.save()
这里的要点是：使用startrow指定要插入数据的文字，这里还要注意我们是往某个已经存在的数据表插入数据，所以要指定正确的sheet_name，还有就是为了避免重复的表头，将header设置成False。
import pandas as pd
sheet = pd.read_excel(io="Employees.xlsx", sheet_name=None)
sheet
{'国内员工': 姓名 年龄
0 李雷 31
1 韩梅梅 22
2 小明 30
3 张三 49
4 李四 38
5 王五 33,
'外籍员工': Names Age
0 Andrew 42
1 Tomas 37
2 Larry 39
3 Sophie 35
4 Sally 29
5 Simone 27,
'候补员工': Names Age
0 Judy 27
1 Moore 38}
作者：北山啦
原文链接：https://beishan.blog.csdn.net/article/details/115290941
