pandas学习001-pandas.read_excel函数

pandas学习001-pandas.read_excel函数

pandas.read_excel(io, sheet_name=0, header=0, skiprows=None, skip_footer=0, index_col=None, names=None, usecols=None, parse_dates=False, date_parser=None, na_values=None, thousands=None, convert_float=True, converters=None, dtype=None, true_values=None, false_values=None, engine=None, squeeze=False, **kwds)

---

【作用】
将Excel文件读取到pandas DataFrame中。
支持从本地文件系统或URL读取的xls，xlsx，xlsm，xlsb和odf文件扩展名。支持读取一张纸或一张纸的列表的选项。

---

【返回】
数据框或数据框的字典
来自传入的Excel文件的DataFrame。有关何时返回DataFrames字典的更多信息，请参见sheet_name参数中的注释。

---

【参数】
1.io ：excel 路径；本地文件可以是：file://localhost/path/to/table.xlsx。
2.sheetname：默认是sheetname为0，返回多表使用sheetname=[0,1]，若sheetname=None是返回全表 。注意：int/string返回的是dataframe，而none和list返回的是dict of dataframe。
3.header ：指定作为列名的行，默认0，即取第一行，数据为列名行以下的数据；若数据不含列名，则设定 header = None；
4.skiprows：读取数据时：省略指定行数的数据
5.skipfooter：读取数据时：省略从尾部数的行数据
6.index_col ：指定列为索引列，也可以使用 u’string’
7.names：指定列的名字，传入一个list数据
8.dtype=None,
dtype 类型名称或列的dict- >类型，默认为无
数据或列的数据类型。例如{‘a’：np.float64，’b’：np.int32}使用对象将数据保存为Excel中存储的内容，而不解释dtype。如果指定了转换器，则会将它们应用于dtype转换的INSTEAD
9.parse_cols：指定需要解析的字段
10.parse_dates:如果参数值为True,则尝试解析数据框的行索引；如果参数为列表，则尝试解析对应的日期列；如果参数为嵌套列表，则将某些列合并为日期列；
如果参数为字典，则解析对应的列（字典中的值），并生成新的字段名（字典中的键）
11.na_values:指定原始数据中哪些特殊值代表了缺失值
12.thousands：指定原始数据集中的千分位符
13.convert_float:默认将所有的数值型字段转换为浮点型字段
14.converters:通过字典的形式，指定某些列需要转换的形式

---

【实践】
如下图，一个excel文件中有两个表，我想读取数据，跳过首行与不要最后一行并且以‘序号’为索引，

import pandas as pd
path="E://yhd_python/pandas.read_excel/student.xlsx"
df=pd.read_excel(path,sheet_name=None,skiprows=1,skipfooter=1,index_col="序号")
df

可以看到取得了一个字典，可以用df[“Sheet1”]或df[‘Sheet2’]读取到相应的表的数据