python数据分析：使用pandas库读取和编辑Excel表

news2025/1/5 17:25:00

使用 Pandas，我们可以轻松地读取和写入Excel 文件，之前文章我们介绍了其他多种方法。

使用前确保已经安装pandas和 openpyxl库（默认使用该库处理Excel文件）。没有安装的可以使用pip命令安装：

pip install pandas openpyxl -i https://mirrors.aliyun.com/pypi/simple/

读取excel文件

使用pandas的read_excel函数，读取excel文件,默认返回DataFrame数据格式。

函数参数有很多，主要介绍下常用的参数：

io：字符串或文件对象，表示要读取的Excel 文件的路径或文件对象。
sheet_name：字符串、整数或字符串列表，表示要读取的工作表名称、工作表索引（从 0 开始）或工作表名称的列表。默认值表示读取第一个工作表。
header：用作列名的行号，默认为0（第一行）。如果没有列名，则设为None。也可以指定多行作为多级列名，例如header=[0, 1]。
names：列名列表，当header=None时，可以使用此参数自定义列名。index_col：用作索引的列编号或列名。默认为None，使用CSV文件中的行索引作为DataFrame的索引。
usecols：返回的列，可以是列名的列表或由列索引组成的列表。用于选择性地读取CSV文件中的某些列。
dtype：字典或列表，指定某些列的数据类型。例如，dtype={'column1': int, 'column2': float}。
Converters：一个字典，用于对特定列的数据进行转换。键是列名或列索引，值是一个函数，用于将该列的数据进行转换。
engine：字符串，用于指定读取Excel文件的引擎。Pandas 默认使用openpyxl读取.xlsx 文件，使用xlrd读取.xls文件。引擎主要有["xlrd", "openpyxl", "odf", "pyxlsb", "calamine"]
skiprows：需要忽略的行数（从文件开头算起），或需要跳过的行号列表。
nrows：需要读取的行数（从文件开头算起）。用于从大文件中提取部分数据。
skipfooter：文件尾部需要忽略的行数。

举例：准备一个excel文件如下：

1）读取文件为DataFrame对象，并打印对象的数据

import pandas as pd

df = pd.read_excel("1.xlsx")

print(df)

结果：这个结果跟excel表格中的数据结构很类似。

2）读取文件为DataFrame对象，并使用converters参数将name列的数据大写

import pandas as pd

#converters参数是一个字典，key为name列，value为lambda函数

df = pd.read_excel("1.xlsx",converters={'name':lambda x:x.upper()})
print(df)

结果：

3）读取文件为DataFrame对象，并使用dtype参数将age列返回浮点数，通过nrows参数只读取前2行

import pandas as pd

df = pd.read_excel("1.xlsx",dtype={'age':float})
print(df)

结果：

当然这些参数可以组合实现某些特定功能，大家不妨自己尝试下，读取的数据可以继续做数据筛选，清洗、分类聚合等统计分析功能（具体可参考上一篇文章介绍python数据分析：介绍pandas库的数据类型Series和DataFrame）

保存为excel文件

使用DataFrame对象的to_excel函数将DataFrame格式数据保存为excel文件

常用参数介绍：

. excel_writer指定要写入的目标对象，可以是文件路径（字符串）或者是一个 ExcelWriter 对象。

. sheet_name:要写入的工作表名称。默认值是Sheet1。

. na_rep：用于指定缺失值（NaN）的表示方式。默认值是""（空字符串）。

. float_format：用于格式化浮点数。如果需要控制浮点数的显示格式，可以使用这个参数。例如"%.2f"会将浮点数格式化为保留两位小数的形式。

. columns: sequence,：指定要写入的列名列表。如果为 None，则写入所有列。

. index: 默认为 True。表示是否将行（索引）标签写入文件。header: 默认为 True。是否将列名（表头）写入文件。如果为 False，则不写入列名；也可以是一个字符串列表，指定列名的别名。

. startrow：指定从Excel表格的第几行开始写入数据。默认值是 0，表示从第一行开始

. startcol：指定从Excel表格的第几列开始写入数据。默认值是 0，表示从第一列开始。

. engine：用于指定写入 Excel 文件所使用的引擎，和read_excel函数中的engine类似。可以是openpyxl、xlsxwriter等，默认是openpyxl（如果已安装）。

. merge_cells：用于指定是否合并单元格。默认值是False。如果设置为True，并且有重复的列名或行索引等情况，可能会合并单元格。

. encoding：用于指定编码方式。默认值通常是UTF8编码。

1）举例1：读取excel表，然后再保存为excel表

import pandas as pd

df = pd.read_excel("example.xlsx",dtype={'age':float},nrows=2)

#添加一些参数 不写入索引 不写入表头 从第1行和第2列开始才写入

df.to_excel("example1.xlsx",index=False,header=False,startrow=1,startcol=2)

保存后打开如下：

2）举例2：配合使用 ExcelWriter对象将同的DataFrame写入同一个Excel文件的不同工作表

import pandas as pd
data_dict = {'group': ['A', 'C', 'B', 'A', 'A', 'C', 'B', 'B', 'C'],
'name': ['lilei', 'lili', 'wanglei', 'wangning', 'wangling', 'wangming', 'wangyu', 'liyi', 'xiaolei'],
'age': [25, 30, 35,21,23,24,25,26,32],
'city': ['shanghai', 'shenzhen', 'nanjing','shanghai', 'shenzhen', 'nanjing','shanghai', 'shenzhen', 'nanjing']}
df = pd.DataFrame(data_dict)
#将name列写入sheet1，将group列写入sheet2，保存为2.xlsx
with pd.ExcelWriter("2.xlsx") as writer:
      df1 = df['name']
      df1.to_excel(writer, sheet_name="Sheet1")
      df2 =df['group']
      df2.to_excel(writer, sheet_name="Sheet2")

结果：