pandas笔记：读写excel

笔记：读写excel"/>

pandas笔记：读写excel

1 读excel

read_excel函数能够读取的格式包含：xls, xlsx, xlsm, xlsb, odf, ods 和 odt 文件扩展名。

支持读取单一sheet或几个sheet。

1.0 使用的数据

1.1 主要使用方法

pandas.read_excel(io,    sheet_name=0, header=0, names=None, index_col=None, usecols=None, squeeze=None, 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, decimal='.', comment=None, skipfooter=0, convert_float=None, mangle_dupe_cols=True, storage_options=None
)

1.2 主要参数

1.2.1 io

文件路径

import pandas as pdpd.read_excel('tst.xlsx')

1.2.2 sheet_name

• sheet表名，支持 str, int, list, or None
• 默认是0，索引号从0开始，表示第一个sheet

sheet_name类型	输出结果
数字
字符串
列表

1.2.3 header

• 表示用第几行作为表头，支持 int, list of int；
• 默认是0，第一行的数据当做表头。
• header=None表示不使用数据源中的表头

1.2.4 names

自定义表头的名称，此时需要传递数组参数

1.2.5 index_col

• 指定哪些列属性为行索引列，支持 int, list of int, 默认是None
  • 也就是索引为0,1,2,3等自然数的列用作DataFrame的行标签。
  • 如果传入的是列表形式，则行索引会是多层索引

1.2.6 usecols

待解析的列，支持 int, str, list-like, or callable ，默认是 None，表示解析全部的列。

1.2.7 dtype

指定列属性的字段类型。

eg：{‘a’: np.float64, ‘b’: np.int32}；默认为None，也就是不改变数据类型

1.2.8 converters

对指定列进行指定函数的处理，传入参数为列名与函数组成的字典

1.2.9 skiprows

跳过指定的行

1.2.10 nrows

指定读取的行数

1.2.11 na_values

指定列的某些特定值为NaN

1.2.12 keep_default_na

是否导入空值，默认是导入，识别为NaN

2 写excel

 和写csv很类似

import pandas as pddata=[{1:'a',2:'b'},{1:'c',4:'d'}]
f1=pd.DataFrame(data)
f1.to_excel('t.xlsx',sheet_name='1')

 

2.1 index=False——不把索引列也存入

import pandas as pddata=[{1:'a',2:'b'},{1:'c',4:'d'}]
f1=pd.DataFrame(data)
f1.to_excel('t.xlsx',sheet_name='1',index=None)