【人工智能概论】 用Pandas读写excel

【人工智能概论】 用Pandas读写excel

文章目录

Pandas读取excel用的是它的read_excel方法

• 只读取一个sheet时，返回的是DataFrame类型的数据；
• 同时读取多个sheet时，返回的是字典类型的数据，结构为{name：DataFrame} 。
• 注1：DataFrame是一种表格数据类型，其能展现数据的表格型结构。
• 注2：同时读取多个sheet后续操作不方便，建议一次只读取一个sheet。

一.用read_excel读取excel文件

1.read_excel的基本参数

1.1 io

• 指定excel文件的路径，可以是路径，文件对象。
• 有时因为文件路径包含中文字符串，pandas可能会解析失败，可以使用文件对象来解决。

file='xxxx.xlsx'
f =open(file,'rb')
df = pd.read_excel(f, sheet_name='Sheet1')
f.close()# 切记要手动释放文件。# ------------- with模式 -------------------withopen(file,'rb')as f:
    df = pd.read_excel(f, sheet_name='Sheet1')

1.2 sheet_name=0:

• 指定要访问的excel工作表，可以是str、int、list、None类型，默认值是0。

• str类型：指定工作表名称，例，sheet_name=‘Test1’ ；
• int类型：指定从0开始的工作表的索引，例，sheet_name=0 ；
• list类型：指定多个工作表，例，sheet_name=[0, 2, ‘Test3’] ；
• None类型：访问所有的工作表 。

1.3 header=0：

• header是标题行，指定某行作为数据的标题行，即数据的列名，默认首行数据（0-index）作为标题行。
• 若表头不只有一行，可以通过传入列表来指定多个标题行，如header=[0,1]。
• 没有标题行使用header=None。

注：指定标题行后，read_excel将从最后一个标题行的下一行开始读取数据。

1.4 names=None

• 多用于文件数据不具有标题行(表头)的情况，可以用names指定列名，传入的是列表类型，此时要显式的指出header=None，否则会造成首行数据丢失。

1.5 index_col=None

• 指定列索引，传入数据的类型为int或元素都是int的列表，将某列的数据作为DataFrame的行标签，如果传递了一个列表，这些列将被组合成一个多索引。

实际应用中，它更多的是被用于剔除不想要的列。

1.6 skiprows=0

• 跳过指定行数的数据，传入数据类型int类型或元素都是int的列表，分别对应文件开头要跳过的行数(int)或要跳过的行号(0索引列表)。

• 输入是int类型数据n时，跳过前n行开始读取。
• 输入是元素都为int类型的列表时，是将列表内对应编号（从0开始编号）的行跳过。例，skiprows=[0,1,3,5]是把第1,2,4,6行跳过不读取。

1.7 skipfooter=0

• 指定从尾部跳过的行数，即最后几行不读取，输入数据为int型，默认为0，自下向上。

1.8 dtype=None

• 指定某列的数据类型，传入一个对应列名与类型的字典即可，例 {‘A’: np.int64, ‘B’: str}。

1.9 其他参数

• usecols=None: 指定要使用的列，如果没有默认解析所有的列。
• squeeze=False, 布尔值，默认False。 如果解析的数据只有一列，返回一个Series。
• nrows=None: int类型，默认None。 只解析指定行数的数据。

2.数据的数值获取——values

read_excel读取的数据类型是DataFrame类型，不能直接用于运算，因此需要values来获取数值。

• df.values，获取全部数据，返回类型为ndarray（二维）；
• df.index.values，获取行索引的向量，返回类型为ndarray（一维）；
• df.columns.values，获取列索引的向量（对有表头的方式，是表头标签向量），返回类型为ndarray（一维）。

3.数据切片访问——loc，iloc

• 所用数据

1. loc方法是通过行、列的名称或者索引标签来寻找需要的值，是闭区间。

• 与一般的切片操作很相似，只不过是可以用索引标签访问罢了。

data.loc[1]# 索引第二行，返回的数据类型为'pandas.core.series.Series'
data.loc[1].values # 索引第二行，返回的数据类型是'numpy.ndarray'的列表
data.loc[1,'id':'name']# 索引第二行中从列标签为‘id’到‘name’的项，返回的数据类型为'pandas.core.series.Series'
data.loc[1,'id':'name'].values # 索引第二行中从列标签为‘id’到‘name’的项，返回的数据类型为'numpy.ndarray'的列表

• 也可根据条件进行筛选

# 根据'scalar'列中大于60的值筛选
data5 = data.loc[ data.scalar >60]# 也可进行切片操作，选择id,name,scalar三列区域内，scalar列大于60的值
data1 = data.loc[ data.scalar >60,["id","name","scalar"]]

1. iloc方法是通过索引行、列的索引位置[index, columns]来寻找值，是前闭后开区间。

• 几乎等于切片操作，但是不能用索引标签来访问。

小结：这两个方法的区别是，loc将参数当作标签处理，iloc将参数当作索引号处理。

• 在有表头的方式中，当列索引使用str标签时，只可用loc，当列索引使用int索引号时，只可用iloc；
• 在无表头的方式中，索引向量也是标签向量，loc和iloc均可使用；在切片中，loc是闭区间，iloc是半开区间。

二.将数据写入excel文件

有两种方法可以进行写入，可以使用to_excel方法或ExcelWriter()类。

1.to_excel方法

• 它可以往一个sheet内写入数据，注意写入时把excel文件关掉。

# 用字典指定数据
data ={'名字':['张三','李四'],'分数':[100,100]}# 将数据转化成DataFrame格式以便于传入excel
df= pandas.DataFrame(data)# 写入数据到指定文件中
df.to_excel('1.xlsx', sheet_name='Sheet1',index=False)# index = False表示不写入索引

2.ExcelWriter()

• 它可以一次性向同一个excel的不同sheet中写入对应的表格数据。

1. 下面代码为在1.xlsx中写入sheet1，sheet2两个表

df1 = pandas.DataFrame({'名字':['张三','王四'],'分数':[100,100]})
df2 = pandas.DataFrame({'年龄':['18','19'],'性别':['男','女']})with pandas.ExcelWriter('1.xlsx')as writer:
    df1.to_excel(writer, sheet_name='Sheet1', index=False)
    df2.to_excel(writer, sheet_name='Sheet2', index=False)

1. 新增表单

• 可以通过在ExcelWriter中添加mode参数，新增一个sheet。
• 该参数默认为w，修改为a的话，可以在已存在sheet的excel中添加sheet表。

df3 = pandas.DataFrame({'新增表':['1','2']})with pandas.ExcelWriter('1.xlsx', mode='a')as writer:
    df3.to_excel(writer, sheet_name='Sheet3', index=False)

1. 覆盖excel中已有sheet

• 如果需要重新写入excel中某个sheet，直接往excel写入同名sheet是不可以的，命令会覆盖原本的所有数据，因此需采用以下方法。

df4 = pandas.DataFrame({'test':['2017002038','2017003024']})with pandas.ExcelWriter('1.xlsx',mode='a',engine='openpyxl')as writer:
    wb = writer.book # openpyxl.workbook.workbook.Workbook 获取所有sheet
    wb.remove(wb['Sheet3'])#删除需要覆盖的sheet
    df4.to_excel(writer, sheet_name='Sheet3',index=False)#sheet3的内容更新成df4值

1. 已有sheet中追加数据

• 实现excel的追加，可以将原有的数据先读出来，然后与需要存入的数据一并添加即可。

import pandas as pd
# 待追加的数据
df5 ={'名字':['李五','赵六','孙七'],'分数':[90,60,68]}
df5 = pd.DataFrame(df5)# 读取相应sheet中原本的数据
original_data = pd.read_excel('1.xlsx',sheet_name='Sheet1')# 将新数据与旧数据合并起来
save_data = pd.concat([original_data, df5], axis=0)# 覆盖掉原有的sheetwith pd.ExcelWriter('1.xlsx',mode='a',engine='openpyxl')as writer:
    wb = writer.book # openpyxl.workbook.workbook.Workbook 获取所有sheet
    wb.remove(wb['Sheet1'])#删除需要覆盖的sheet
    save_data.to_excel(writer, sheet_name='Sheet1',index=False)#sheet1的内容更新成save_data值