Excel 在工作中很常用，它在数据整理、分析和可视化方面很强大，熟练使用 excel 可以大幅提高工作效率，但如果数据量超大，Excel 可能就会内存溢出，导致文件无法打开，更别提使用了，而 Python 的 pandas 数据分析包就可以很好的解决这个问题。
通过 pandas 的 read_excel() 函数来读取 Excel 表格，返回的是 DataFrame 数据类型。
接下来我们就来详细的了解一下 read_excel() 的参数：
import pandas as pd
stu_result = pd.read_excel(io, sheet_name=0, header=0, names=None, index_col=None,
usecols=None, squeeze=False, dtype=None, engine=None,
converters=None, true_values=None, false_values=None,
skiprows=None, nrows=None, na_values=None, keep_default_na=True,
verbose=False, parse_dates=False, date_parser=None, thousands=None,
comment=None, skip_footer=0, skipfooter=0, convert_float=True,
mangle_dupe_cols=True, **kwds)
下面举例使用的表格是一个简单的excel学习成绩统计表，大家可以自己做一个excel表（注意：表格的后缀名是.xlsx 而不是 .xls ， 否则会报错）
io【excel 的存储路径】
建议使用英文路径以及英文命名方式
import pandas as pd
io = r"C:\Users\Administrator\Desktop\学习成绩统计表.xlsx"
stu_result = pd.read_excel(io)
print(stu_result)
输出：
学号 姓名 语文 数学 英语
0 1001 张三 90 88 76
1 1002 李四 98 79 90
2 1003 王五 78 78 0
3 1004 老刘 89 99 67
4 1005 老胡 90 100 87
5 1006 老王 77 88 8
sheet_name【要读取的工作表名称】
可以是整数、列表名，也可以是上述组成的列表。
- sheet_name = 整数（类似索引，比如sheet_name = 1代表第2个工作表，默认等于0）
import pandas as pd
io = r"C:\Users\Administrator\Desktop\学习成绩统计表.xlsx"
stu_result = pd.read_excel(io, sheet_name = 1)
print(stu_result)
- sheet_name = 列表名（目标 Sheet 的名称，如果没有重命名的话，默认就是 SheetN ，N指的是第几个 Sheet）
import pandas as pd
io = r"C:\Users\Administrator\Desktop\学习成绩统计表.xlsx"
stu_result = pd.read_excel(io, sheet_name= "二年级" )
print(stu_result)
stu_result = pd.read_excel(io, sheet_name= "Sheet3" )
print(stu_result)
- 读取多个工作表，则显示表格的字典
import pandas as pd
io = r"C:\Users\Administrator\Desktop\学习成绩统计表.xlsx"
stu_result = pd.read_excel(io, sheet_name=["一年级", 2])
print(stu_result)
输出：
OrderedDict([('一年级', 学号 姓名 语文 数学 英语
0 1001 张三 90 88 76
1 1002 李四 98 79 90
2 1003 王五 78 78 0
3 1004 老刘 89 99 67
4 1005 老胡 90 100 87
5 1006 老王 77 88 8), (2, 学号 姓名 语文 数学 英语
0 a 老三 90 88 76
1 b 老四 98 79 90
2 c 老五 78 78 0
3 d 老刘 89 99 67
4 e 老胡 90 100 87
5 f 老王 77 88 8)])
header【用哪一行作为 列名】
- 默认为0，代表第一行作为列名，比如设置为2则代表第三行作为列名，且前面的两行就不会读取了
- 如果设置为 [0, 2]，则代表第一行和第三行作为列名，且中间的第二行就不会读取了
import pandas as pd
io = r"C:\Users\Administrator\Desktop\学习成绩统计表.xlsx"
stu_result = pd.read_excel(io, sheet_name="一年级", header=2)
print(stu_result)
stu_result = pd.read_excel(io, sheet_name="一年级", header=[0, 2])
print(stu_result)
输出：
1002 李四 98 79 90
0 1003 王五 78 78 0
1 1004 老刘 89 99 67
2 1005 老胡 90 100 87
3 1006 老王 77 88 8
学号 姓名 语文 数学 英语
1002 李四 98 79 90
0 1003 王五 78 78 0
1 1004 老刘 89 99 67
2 1005 老胡 90 100 87
3 1006 老王 77 88 8
names【自定义列名】
一般适用于Excel缺少列名，或者需要重新定义列名的情况（注意：names的长度必须和excel 的列数一致，否则会报错）
import pandas as pd
io = r"C:\Users\Administrator\Desktop\学习成绩统计表.xlsx"
stu_result = pd.read_excel(io, sheet_name="一年级", names=["a","b","c","d","e"])
print(stu_result)
输出：
a b c d e
0 1001 张三 90 88 76
1 1002 李四 98 79 90
2 1003 王五 78 78 0
3 1004 老刘 89 99 67
4 1005 老胡 90 100 87
5 1006 老王 77 88 8
index_col【用作索引的列】
指定哪一列作为索引，可以用列名指定，也可以用整型或整型列表指定
import pandas as pd
io = r"C:\Users\Administrator\Desktop\学习成绩统计表.xlsx"
# 用列名指定哪一列作为索引
stu_result = pd.read_excel(io, sheet_name="一年级", index_col="学号")
print(stu_result)
# 用整型(类似索引)指定哪一列作为索引，index_col=0代表第一列
stu_result = pd.read_excel(io, sheet_name="一年级", index_col=0)
print(stu_result)
# 用整型列表指定哪几列作为索引，index_col=[0, 3]代表第一列和第四列
stu_result = pd.read_excel(io, sheet_name="一年级", index_col=[0, 3])
print(stu_result)
输出：
姓名 语文 数学 英语
学号
1001 张三 90 88 76
1002 李四 98 79 90
1003 王五 78 78 0
1004 老刘 89 99 67
1005 老胡 90 100 87
1006 老王 77 88 8
姓名 语文 数学 英语
学号
1001 张三 90 88 76
1002 李四 98 79 90
1003 王五 78 78 0
1004 老刘 89 99 67
1005 老胡 90 100 87
1006 老王 77 88 8
姓名 语文 英语
学号 数学
1001 88 张三 90 76
1002 79 李四 98 90
1003 78 王五 78 0
1004 99 老刘 89 67
1005 100 老胡 90 87
1006 88 老王 77 8
usecols【要读取哪些列】
usecols 可避免读取全量数据，选择特定数据可以大幅提高效率
- 可以使用整型，从0开始，如[0,2,3]
- 也可以使用 excel 传统的列名"A"、"B"等字母，如 “A: C, E” =“A, B, C, E”（A: C代表A,B,C）
import pandas as pd
io = r"C:\Users\Administrator\Desktop\学习成绩统计表.xlsx"
# 读取第一列，第三列，第四列
stu_result = pd.read_excel(io, sheet_name="一年级", usecols=[0, 2, 3])
print(stu_result)
# 读取第A列，第B列，第C列，第E列
stu_result = pd.read_excel(io, sheet_name="一年级", usecols="A:C, E")
print(stu_result)
输出：
学号 语文 数学
0 1001 90 88
1 1002 98 79
2 1003 78 78
3 1004 89 99
4 1005 90 100
5 1006 77 88
学号 姓名 语文 英语
0 1001 张三 90 76
1 1002 李四 98 90
2 1003 王五 78 0
3 1004 老刘 89 67
4 1005 老胡 90 87
5 1006 老王 77 8
squeeze【单列数据是否转Series】
当数据仅包含一列时，squeeze为True时，返回Series，反之返回 DataFrame
import pandas as pd
io = r"C:\Users\Administrator\Desktop\学习成绩统计表.xlsx"
# 读取数据只有一列的 Sheet4 的工作表, 得到的还是 DataFrame
stu_result = pd.read_excel(io, sheet_name="Sheet4")
print(stu_result)
print(type(stu_result))
# 读取数据只有一列, squeeze为True时, 返回Series
stu_result = pd.read_excel(io, sheet_name="Sheet4", squeeze=True)
print(stu_result)
print(type(stu_result))
输出：
学号
0 aa
1 bb
2 cc
3 dd
4 ee
5 ff
<class 'pandas.core.frame.DataFrame'>
0 aa
1 bb
2 cc
3 dd
4 ee
5 ff
Name: 学号, dtype: object
<class 'pandas.core.series.Series'>
converters【强制规定列数据类型】
pandas默认将文本类的数据读取为整型，比如 converters = {‘学号’: str, ‘语文’: float}，代表将 ‘学号’ 列数据类型强制规定为字符串，‘语文’ 列强制规定为浮点型。
import pandas as pd
io = r"C:\Users\Administrator\Desktop\学习成绩统计表.xlsx"
# 读取数据只有一列的 Sheet4 的工作表, 得到的还是 DataFrame
stu_result = pd.read_excel(io, sheet_name="一年级")
print(stu_result["语文"].dtype)
stu_result = pd.read_excel(io, sheet_name="一年级", converters = {'学号': str, '语文': float})
print(stu_result["语文"].dtype)
输出：
int64
float64
skiprows【跳过指定行】
- 可以 skiprows = n，代表跳过前n行，首行（即列名）也会被跳过
- 也可以通过列表指定跳过的行，如 skiprows = [1, 3, 4]，跳过第2,4,5行（索引从0开始）
import pandas as pd
io = r"C:\Users\Administrator\Desktop\学习成绩统计表.xlsx"
stu_result = pd.read_excel(io, sheet_name="一年级", skiprows = 3)
print(stu_result)
stu_result = pd.read_excel(io, sheet_name="一年级", skiprows = [1, 3, 4])
print(stu_result)
1003 王五 78 78.1 0
0 1004 老刘 89 99 67
1 1005 老胡 90 100 87
2 1006 老王 77 88 8
学号 姓名 语文 数学 英语
0 1002 李四 98 79 90
1 1005 老胡 90 100 87
2 1006 老王 77 88 8
nrows【指定读取的行数】
和 head() 函数是一样的效果，第0行是列名，比如 nrows = 3， 则读取三行数据
import pandas as pd
io = r"C:\Users\Administrator\Desktop\学习成绩统计表.xlsx"
stu_result = pd.read_excel(io, sheet_name="一年级", nrows = 0)
print(stu_result)
stu_result = pd.read_excel(io, sheet_name="一年级", nrows = 3)
print(stu_result)
stu_result = pd.read_excel(io, sheet_name="一年级")
print(stu_result.head(3))
输出：
Empty DataFrame
Columns: [学号, 姓名, 语文, 数学, 英语]
Index: []
学号 姓名 语文 数学 英语
0 1001 张三 90 88 76
1 1002 李四 98 79 90
2 1003 王五 78 78 0
学号 姓名 语文 数学 英语
0 1001 张三 90 88 76
1 1002 李四 98 79 90
2 1003 王五 78 78 0
skipfooter【跳过末尾n行】
比如：skipfooter = 2 代表跳过末尾两行不读取
import pandas as pd
io = r"C:\Users\Administrator\Desktop\学习成绩统计表.xlsx"
stu_result = pd.read_excel(io, sheet_name="一年级")
print(stu_result)
stu_result = pd.read_excel(io, sheet_name="一年级", skipfooter = 2)
print(stu_result)
输出：
学号 姓名 语文 数学 英语
0 1001 张三 90 88 76
1 1002 李四 98 79 90
2 1003 王五 78 78 0
3 1004 老刘 89 99 67
4 1005 老胡 90 100 87
5 1006 老王 77 88 8
学号 姓名 语文 数学 英语
0 1001 张三 90 88 76
1 1002 李四 98 79 90
2 1003 王五 78 78 0
3 1004 老刘 89 99 67
小试牛刀
import pandas as pd
io = r"C:\Users\Administrator\Desktop\学习成绩统计表.xlsx"
stu_result = pd.read_excel(io, index_col="姓名")
print(stu_result)
# 通过切片把语文，数学，英语三列取出来
part_result = stu_result.iloc[:, 1:]
print(part_result)
print(part_result.mean()) # 求三个学科分别的平均分
print(part_result.mean(axis=1)) # 求每位同学的平均分
print(part_result.max()) # 求三个学科分别的最高分
print(part_result.sum(axis=1)) # 求每位同学的总分
print(part_result.std(axis=1)) # 求每位同学的分数的标准差
print(part_result.var(axis=1)) # 求每位同学的分数的方差(方差越大，偏科越严重)
输出：
学号 语文 数学 英语
姓名
张三 1001 90 88 76
李四 1002 98 79 90
王五 1003 78 78 0
老刘 1004 89 99 67
老胡 1005 90 100 87
老王 1006 77 88 8
语文 数学 英语
姓名
张三 90 88 76
李四 98 79 90
王五 78 78 0
老刘 89 99 67
老胡 90 100 87
老王 77 88 8
语文 87.000000
数学 88.666667
英语 54.666667
dtype: float64
姓名
张三 84.666667
李四 89.000000
王五 52.000000
老刘 85.000000
老胡 92.333333
老王 57.666667
dtype: float64
语文 98
数学 100
英语 90
dtype: int64
姓名
张三 254
李四 267
王五 156
老刘 255
老胡 277
老王 173
dtype: int64
姓名
张三 7.571878
李四 9.539392
王五 45.033321
老刘 16.370706
老胡 6.806859
老王 43.362810
dtype: float64
姓名
张三 57.333333
李四 91.000000
王五 2028.000000
老刘 268.000000
老胡 46.333333
老王 1880.333333
dtype: float64
转载：https://blog.csdn.net/m0_46076716/article/details/107596725
查看评论