Python处理XLS数据

MicrosoftExcel是一个使用非常广泛的电子表格程序。它的用户友好性和吸引人的功能使其成为数据科学中常用的工具。Panadas库提供了一些功能，我们可以使用该功能完整地读取Excel文件，也可以只读取选定的一组数据。我们还可以读取其中包含多个工作表的Excel文件。我们使用 read_excel 函数从中读取数据。

作为Excel文件输入

我们在windows操作系统中创建一个包含多个工作表的excel文件。不同工作表中的数据如下所示。

您可以使用Windows OS中的Excel程序创建此文件。将该文件保存为 input.xlsx 。

# Data in Sheet1

id,name,salary,start_date,dept
1,Rick,623.3,2012-01-01,IT
2,Dan,515.2,2013-09-23,Operations
3,Tusar,611,2014-11-15,IT
4,Ryan,729,2014-05-11,HR
5,Gary,843.25,2015-03-27,Finance
6,Rasmi,578,2013-05-21,IT
7,Pranab,632.8,2013-07-30,Operations
8,Guru,722.5,2014-06-17,Finance

# Data in Sheet2

id  name    zipcode
1   Rick    301224
2   Dan 341255
3   Tusar   297704
4   Ryan    216650
5   Gary    438700
6   Rasmi   665100
7   Pranab  341211
8   Guru    347480

读取Excel文件

使用pandas库的 read_excel 函数将Excel文件的内容作为pandas DataFrame读入python环境。该功能可以通过使用适当的文件路径从操作系统中读取文件。默认情况下，该函数将读取Sheet1。

import pandas as pd
data = pd.read_excel('path/input.xlsx')
print (data)

当我们执行上面的代码时，它会产生以下结果。请注意函数如何创建以零开头的附加列作为索引。

id    name  salary  start_date        dept
0   1    Rick  623.30  2012-01-01          IT
1   2     Dan  515.20  2013-09-23  Operations
2   3   Tusar  611.00  2014-11-15          IT
3   4    Ryan  729.00  2014-05-11          HR
4   5    Gary  843.25  2015-03-27     Finance
5   6   Rasmi  578.00  2013-05-21          IT
6   7  Pranab  632.80  2013-07-30  Operations
7   8    Guru  722.50  2014-06-17     Finance

读取特定的列和行

类似于我们在前一章中已经看到的读取CSV文件，pandas库的 read_excel 函数也可以用来读取一些特定的列和特定的行。为此，我们使用称为 .loc（） 的多轴索引方法。我们选择显示某些行的工资和名称列。

import pandas as pd
data = pd.read_excel('path/input.xlsx')

# Use the multi-axes indexing funtion
print (data.loc[[1,3,5],['salary','name']])

当我们执行上面的代码时，它会产生以下结果。

salary   name
1   515.2    Dan
3   729.0   Ryan
5   578.0  Rasmi

阅读多个Excel表格

具有不同数据格式的多个工作表也可以通过使用名为 ExcelFile 的包装类的帮助下的read_excel函数来读取。它只会将多张纸张读入内存一次。在下面的例子中，我们将sheet1和sheet2读入两个数据框并单独打印出来。

import pandas as pd
with pd.ExcelFile('C:/Users/Rasmi/Documents/pydatasci/input.xlsx') as xls:
    df1 = pd.read_excel(xls, 'Sheet1')
    df2 = pd.read_excel(xls, 'Sheet2')

print("****Result Sheet 1****")
print (df1[0:5]['salary'])
print("")
print("***Result Sheet 2****")
print (df2[0:5]['zipcode'])

当我们执行上面的代码时，它会产生以下结果。

****Result Sheet 1****
0    623.30
1    515.20
2    611.00
3    729.00
4    843.25
Name: salary, dtype: float64

***Result Sheet 2****
0    301224
1    341255
2    297704
3    216650
4    438700
Name: zipcode, dtype: int64