上一节:
下一节:

  Python - 数据科学 XLS 数据

  • 简述

    Microsoft Excel 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非常常用的工具。Panadas 库提供了一些功能，我们可以使用这些功能读取 Excel 文件的全部内容以及仅针对选定的一组数据的部分内容。我们还可以读取包含多张工作表的 Excel 文件。我们使用read_excel函数从中读取数据。

  • 输入为 Excel 文件

    我们在 windows 操作系统中创建一个包含多张工作表的 excel 文件。不同工作表中的数据如下所示。
    您可以使用 Windows 操作系统中的 Excel 程序创建此文件。将文件另存为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

    read_excelpandas 库的功能用于将 Excel 文件的内容作为 pandas DataFrame 读取到 python 环境中。该函数可以通过使用文件的正确路径从操作系统读取文件。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。请注意函数是如何创建一个以零开头的附加列作为索引的。 
    
   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

  • 阅读特定的列和行

    与我们在上一章中已经看到的读取 CSV 文件类似，read_excelpandas 库的功能也可以用来读取一些特定的列和特定的行。我们使用称为多轴索引的方法.loc()以此目的。我们选择显示某些行的薪水和姓名列。 
    
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

  • 读取多个 Excel 工作表

    借助名为ExcelFile. 它只会将多张纸读入内存一次。在下面的示例中，我们将 sheet1 和 sheet2 读入两个数据帧并分别打印出来。 
    
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
上一节:
下一节: