关于Excel数据处理,很多同学可能使用过Pyhton的pandas模块,用它可以轻松地读取和转换Excel数据。但是实际中Excel表格结构可能比较杂乱,数据会分散不同的工作表中,而且在表格中分布很乱,这种情况下啊直接使用pandas就会非常吃力。本文虫虫给大家介绍使用pandas和openpyxl读取这样的数据的方法。

pandas read_excel函数在读取Excel工作表方面做得很好。但是,如果数据不是从头开始,不是从单元格A1开始的连续表格,则结果会不是很好。比如下面一个销售表,使用read_excel读取:

结果中标题表头变成了Unnamed,而且还会额外增加很多职位NaN不存在列,字段为空的列的值也会被转换为NaN,这显然不是我们所期望的。

对这样的非标准格式的表格,我们可以使用read_excel()的header和usecols参数来控制选择的需要读取的列。

代码中使用header和usecols参数设定了用于显示标题的列和需要读取的字段:

header参数为一个整数,从0开始索引,其为选择的行,比如1表示Excel中的第2行。

usecols参数设定选择的Excel列范围范围(A-…),例如,B:F表示读取B到F列。

这对对大型数据集(例如,每3列或仅偶数列)要遵循一定的数字模式,则这个参数方法会很有用。

usecols支持一个回调函数column_check,可通过该函数对数据进行处理。

column_check按名称解析每列,每列通过定义True或False,来选择是否读取。

usecols也可以使用lambda表达式。下面的示例中定义的需要显示的字段列表。为了进行比较,通过将名称转换为小写来规范化。

关于read_exce函数更多参数可以查看官方文档,下面是一个总结表格:

在某些情况下,数据甚至可能在Excel中变得更加。在下面示例中,我们有一个ship_cost要读取的表。如果必须使用这样的文件,那么只用pandas函数和选项也很难做到。在这种情况下,可以直接使用openpyxl解析文件并将数据转换为pandas DataFrame。比如要读取下面示例的数据:

该键对应于Excel中分配给表的名称。这样就可以设定要读取的Excel范围:

这样就获得了要加载的数据范围。最后将其转换为pandas DataFrame即可。遍历每一行并转换为DataFrame:

在理想情况下,使用的数据将采用简单一致的格式。在本文中,我们介绍了在Pandas下通过参数轻松删除行和列以使其格式更加合理。尤其是结合openpyxl的情况下可以让我们读取Excel数据更加灵活,可以处理比较复杂的表格数据。

发表回复

您的电子邮箱地址不会被公开。