⽤python的pandas读取excel⽂件中的数据
⼀、读取Excel⽂件
  使⽤pandas的read_excel()⽅法，可通过⽂件路径直接读取。注意到，在⼀个excel⽂件中有多个sheet，因此，对excel⽂件的读取实际上是读取指定⽂件、并同时指定sheet下的数据。可以⼀次读取⼀个sheet，也可以⼀次读取多个sheet，同时读取多个sheet时后续操作可能不够⽅便，因此建议⼀次性只读取⼀个sheet。
  当只读取⼀个sheet时，返回的是DataFrame类型，这是⼀种表格数据类型，它清晰地展⽰出了数据的表格型结构。具体写法为：(1)不指定sheet参数，默认读取第⼀个sheet，
 ad_excel("data_test.xlsx")
(2)指定sheet名称读取，
 ad_excel("data_test.xlsx",sheet_name="test1")
(3)指定sheet索引号读取，
 ad_excel("data_test.xlsx",sheet_name=0) #sheet索引号从0开始
*同时读取多个sheet，以字典形式返回。（不推荐）
(1)指定多个sheet名称读取， ad_excel("data_test.xlsx",sheet_name=["test1","test2"])
(2)指定多个sheet索引号读取，
ad_excel("data_test.xlsx",sheet_name=[0,1])
(3)混合指定sheet名称和sheet索引号读取，
ad_excel("data_test.xlsx",sheet_name=[0,"test2"])
⼆、DataFrame对象的结构
  对内容的读取分有表头和⽆表头两种⽅式，默认情形下是有表头的⽅式，即将第⼀⾏元素⾃动置为表头标签，其余内容为数据；当在read_excel()⽅法中加上header=None参数时是不加表头的⽅式，即从第⼀⾏起，全部内容为数据。读取到的Excel数据均构造成并返回DataFrame表格类型(以下以df表⽰)。
  对有表头的⽅式，读取时将⾃动地将第⼀⾏元素置为表头向量，同时为除表头外的各⾏内容加⼊⾏索引（从0开始）、各列内容加⼊列索引（从0开始）。如图所⽰
  对⽆表头的⽅式，读取时将⾃动地为各⾏内容加⼊⾏索引（从0开始）、为各列内容加⼊列索引（从0开始），⾏索引从第⼀⾏开始。如图所⽰
三、⽤values⽅式获取数据
1.基本⽅法
df.values，获取全部数据，返回类型为ndarray（⼆维）；
df.index.values，获取⾏索引向量，返回类型为ndarray（⼀维）；
  根据具体需要，通过ndarray的使⽤规则获取指定数据。数据获取的结构⽰意图如下所⽰。
有表头
⽆表头
2.获取指定数据的写法
(1)获取全部数据：
df.values，获取全部数据，返回类型为ndarray（⼆维）。
(2)获取某个值：
df.values[i , j]，第i⾏第j列的值，返回类型依内容⽽定。
(3)获取某⼀⾏：
df.values[i]，第i⾏数据，返回类型为ndarray（⼀维）。
(4)获取多⾏：
df.values[[i1 , i2 , i3]]，第i1、i2、i3⾏数据，返回类型为ndarray（⼆维）。
(5)获取某⼀列：
df.values[: , j]，第j列数据，返回类型为ndarray（⼀维）。
(6)获取多列：
df.values[:,[j1,j2,j3]]，第j1、j2、j3列数据，返回类型为ndarray（⼆维）。
(7)获取切⽚：
df.values[i1:i2 , j1:j2]，返回⾏号[i1,i2)、列号[j1,j2)左闭右开区间内的数据，返回类型为ndarray（⼆维）。
3.⽰例
带表头，excel内容为
Python脚本为
`import pandas as pd
df = pd.read_excel("data_test.xlsx")
print("\n(1)全部数据：")
print(df.values)
print("\n(2)第2⾏第3列的值：")
print(df.values[1,2])
print("\n(3)第3⾏数据：")
print(df.values[2])
print("\n(4)获取第2、3⾏数据：")
print(df.values[[1,2]])
print("\n(5)第2列数据：")
print(df.values[:,1])
print("\n(6)第2、3列数据：")
print(df.values[:,[1,2]])
print("\n(7)第2⾄4⾏、第3⾄5列数据：")
print(df.values[1:4,2:5])
`
执⾏结果
四、⽤loc和iloc⽅式获取数据
1.基本写法
  loc和iloc⽅法是通过索引定位的⽅式获取数据的，写法为loc[A, B]和iloc[A, B]。其中A表⽰对⾏的索引，B表⽰对列的索引，B可缺省。
A、B可为列表或i1:i2（切⽚）的形式，表⽰多⾏或多列。
python怎么读入excel  这两个⽅法的区别是，loc将参数当作标签处理，iloc将参数当作索引号处理。也就是说，在有表头的⽅式中，当列索引使⽤str标签时，只可⽤loc，当列索引使⽤索引号时，只可⽤iloc；在⽆表头的⽅式中，索引向量也是标签向量，loc和iloc均可使⽤；在切⽚中，loc是闭区间，iloc是半开区间。
获取指定数据的写法：
(1)获取全部数据：
df.loc[: , :].values
或
df.iloc[: , :].values，返回类型为ndarray（⼆维）。
(2)获取某个值：
⽆表头
df.loc[i, j]
或
df.iloc[i, j]，第i⾏第j列的值，返回类型依内容⽽定。
有表头
df.loc[i, "序号"]，第i⾏‘序号’列的值。
或
df.iloc[i, j]，第i⾏第j列的值。
(3)获取某⼀⾏：
df.loc[i].values
或
df.iloc[i].values，第i⾏数据，返回类型为ndarray（⼀维）。
(4)获取多⾏：
df.loc[[i1, i2, i3]].values，
或
df.iloc[[i1, i2, i3]].values，第i1、i2、i3⾏数据，返回类型为ndarray（⼆维）。
(5)获取某⼀列：
⽆表头
df.loc[:, j].values
或
df.iloc[:, j].values，第j列数据，返回类型为ndarray（⼀维）。
有表头
df.loc[:,"姓名"].values，‘姓名’列数据，返回类型为ndarray（⼀维）。
或
df.iloc[:, j].values，第j列数据，返回类型为ndarray（⼀维）。
(6)获取多列：
⽆表头
df.loc[:, [j1 , j2]].values
或
df.iloc[:, [j1 , j2]].values，第j1、j2列数据，返回类型为ndarray（⼆维）。
有表头
df.loc[:, ["姓名","性别"]].values，‘姓名’、‘性别’列数据，返回类型为ndarray（⼆维）；
df.iloc[:, [j1 , j2]].values，第j1、j2列数据，返回类型为ndarray（⼆维）。
(7)获取切⽚：
⽆表头
df.loc[i1:i2, j1:j2].values，返回⾏号[i1,i2]、列号[j1,j2]闭区间内的数据，返回类型为ndarray（⼆维）；
df.iloc[i1:i2, j1:j2].values，返回⾏号[i1,i2)、列号[j1,j2)左闭右开区间内的数据，返回类型为ndarray（⼆维）。
有表头
df.loc[i1:i2, "序号":"姓名"].values，返回⾏号[i1,i2]、列号["序号","姓名"]闭区间的数据，返回类型为ndarray（⼆维）；df.iloc[i1:i2, j1:j2].values，返回⾏号[i1,i2)、列号[j1,j2)左闭右开区间内的数据，返
回类型为ndarray（⼆维）。
2.⽰例
带表头，excel内容为
Python脚本为
`import pandas as pd
df = pd.read_excel("data_test.xlsx")
print("\n(1)全部数据：")
print(df.iloc[:,:].values)
print("\n(2)第2⾏第3列的值：")
print(df.iloc[1,2])
print("\n(3)第3⾏数据：")
print(df.iloc[2].values)
print("\n(4)第2列数据：")
print(df.iloc[:,1].values)
print("\n(5)第6⾏的姓名：")
print(df.loc[5,"姓名"])
print("\n(6)第2⾄3⾏、第3⾄4列数据：")
print(df.iloc[1:3,2:4].values)`
执⾏结果
End.

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。