我滴个妈也，原来pandas有中文官网https://www.pypandas.cn/
根据pandas的用户指南，https://pandas.pydata.org/docs/user_guide/io.html，我们发现pandas可不仅仅是操作excel这么简单
这里我们着看其针对excel的API，包括读取excel所用的read_excel和写excel所用的to_excel
一. read_excel //读取excel
pandas.read_excel(io, sheet_name=0, header=0, names=None, index_col=None, usecols=None,
squeeze=False, 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,
comment=None, skipfooter=0, convert_float=True, mangle_dupe_cols=True, storage_options=None)
重点参数:
| 参数 | 说明 |
|---|---|
| io | 输入输出流,可以是:路径str, URL,bytes, ExcelFile, xlrd.Book, path object, or file-like object |
| sheet_name | 表名,可以是:str, int, list, or None, 默认索引0 , 如果是列表, 则返回以列表为key的字典, 如果传入None则读所有表 |
| header | 列索引(表头)。可以是int, list of int, default 0 |
| index_col | 行索引。int, list of int, default None |
| usecols | 使用的列。可以是:int,str, list of int, default None |
| skiprows | 跳过的行 |
| names | 要使用的列名列表,(用列表给表头赋值) |
| dtype | 设置列的类型 |
| parse_dates | 指定解析成日期格式的列 |
| date_parser | 解析日期格式的函数，传入 function |
| na_values | 识别为缺失值的元素 |
| converters | 值转换器 传入dict,默认None |
| true_values | 视为真 传入list,默认None |
| false_values | 视为假 传入list,默认None |
| squneeze | 如果数据只有一列是否返回Series类型的数据。默认是false，返回DataFrame |
| mangle_dupe_cols | 是否重命名重复的列名。默认是false，不会重命名,而会抛出列名重复的异常 |
| nrows | 要解析的行数,int类型,默认为None |
| thousands | 指定千位分隔符,默认为None |
| convert_float | 是否在可能情况下将布尔转为int, 默认为true |
1. io参数 //输入输出对象
最简单用法
df1 = pd.read_excel("goods_base.xls")
可以传入ExcelFile对象
excel1 = pd.ExcelFile("goods_base.xls")
df1 = pd.read_excel(excel1)
2. sheet_name参数 //表名
表名,可以是:str, int, list, or None, 默认索引0 , 如果是列表, 则返回以列表为key的字典, 如果传入None则读所有表
(1). 默认读取索引0
(2). 可以添加索引或表名
(3). 可以添加列表,则返回以列表为键,以DataFrame为值的字典
(4). 如果为None, 则读取全部表,返回字典
3. header 参数 //列索引(表头)
用于指定"列索引"的行
如果没有表头, 我们应指定header列索引为None
如果有表头, 我们应指定header'列索引'所在的行
如果有多重表头, 这涉及到一个MultiIndex的概念, 则此时header设置为列表
4 .index_col参数 // 行索引
随便举例, 上面的例子,如果我们只规定列索引为列表[0,1], 没有规定行索引 , 则:
真正的行索引会被当做一组数据
只是应该指定行索引
5. usecols //指定使用哪些列
默认为None， 即是导入全部列
可以传入str，指定列名，或列名切片
可以传入索引列表 限定范围
可以传入字符串列表 根据表头限定范围
最推荐使用这种方法，因为这种方法可以防止日后插入列发生意想不到的错误，而且可读性更强
可以传入lambda函数，返回ture的列就会被选择
6. skiprows //跳过行
7. names // 要使用的列名列表,(用列表给表头赋值)
如果没有表头, 我们想给他一个表头, 则:
注意: 如果没有表头, header一定要显式声明为None
8. dtype设置列的类型
具体类型解释, 详见第二章
9. parse_dates // 需要解析日期的列
(1). 可以传入True来尝试解析index
所谓尝试就是行就干,不行就不干😂,只是试一试不会报错
假设有这样一张表
我们用其中一行可以解析为日期的列当作索引的话, 就可以将其转化为DateTime64格式:
(2). 可以传入索引列表或列名列表来指定某列转为日期
(3). 结合多列解析为日期
如果有这么一张表, 我们想通过0,1,2行获得日期
则传入一个二维索引列表或者二维列名列表 , 表中规定好要整合的列
(4). 结合多列解析为日期(但列名别那么丑😂)
和上面一样, 但我们不再传入二维数组, 而是传入字典,字典的key是列名,值是要整合的列
10. date_parser //日期解析器
date_parser 要配合parse_dates 来用的, 但parse_dates 不一定需要date_parser ,事实上大部分英文日期不需要date_parser 就可以自动解析
如果自动解析不能正确解析(比如中文日期), 我们可以指定date_parser的解析器, date_parser 要传入一个function, pandas会用指这个function来解析
11. na_values // 缺失值
在pandas中缺失值被定义为NaN, 记住它是一个float类型的值
默认情况下,即使不传入na_values ,以下情况也会被自动解析为NaN
比如有这样一张表
直接读是这样的:
我们发现有些是默认被解析成NaN的, 比如没有空格的那一行读成了NaN, 而有空格的那一行读成了空格, 怎么解决这个问题呢? 我们需要na_values属性
(1). na_values传入值来确定把什么解析成NaN
(2). na_values也可以传入列表
(3). 可以传入一个字典, 使得只有某列适用于na_values的NaN规则
比如下图: 只有第1列使用na_values的NaN规则
字典的键应该是索引或列名
12. converters // 值转换器
传入一个字典, 键为列名或索引, 值为转换函数
如有这样一张表, 我们读取时想a列+1,b列*2:
我们可以用这个方法来取消格式不好的表中的多余空格/制表符等
13. true_values/false_values //视为真假
将某些特定的字符串视为真假值
注意: 转换是要整列转换的!
如下图: 列1 全可以判断真假, 故第一列转化为bool类型,第二列无法完全转换,所以就一个也不转换
注意: 只有字符串会被转换, 数值不会
如:
如果我们要实现非0既真, 应该:
二. dtype 类型
1 . dtype可选类型如下:
2. 我们可以透过DataFrame的dtypes属性获取DataFrame的各列属性
3. str和string的区别
str和string都是字符串,但python中没有str这个基本数据类型, 所以str其实是object
下面的例子看的很清楚:
