Python處理Excel資料


Microsoft Excel是一個使用非常廣泛的電子試算表程式。 它的使用者友好性和吸引人的功能使其成為資料科學中常用的工具。 Panadas庫提供了一些功能,我們可以使用該功能完整地讀取Excel檔案,也可以唯讀取選定的一組資料。 還可以讀取其中包含多個工作表的Excel檔案。這裡主要使用read_excel函式從中讀取資料。

將Excel檔案作為輸入

我們在windows作業系統中建立一個包含多個工作表的excel檔案。 不同工作表中的資料如下所示。

可以使用Windows OS中的Excel程式建立此檔案。 將該檔案儲存為: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

讀取特定的列和行

類似於我們在前一章中已經看到的讀取CSV檔案,pandas庫的read_excel函式也可以用來讀取一些特定的列和特定的行。使用稱.loc()多軸索引方法。選擇顯示某些行的salaryname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']])

執行上面範例程式碼,得到以下結果 -

   salary   name
1   515.2    Dan
3   729.0   Ryan
5   578.0  Rasmi

閱讀多個Excel表格

具有不同資料格式的多個工作表也可以通過使用名為ExcelFile的包裝類的幫助下的read_excel函式來讀取。 它只會將多張紙張讀入記憶體一次。 在下面的例子中,我們將sheet1sheet2讀入兩個資料框並單獨列印出來。

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'])

當執行上面範例程式碼,得到以下結果 -

****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