这篇文章主要围绕在PandasPython中读取XLSB文件和pandas读取xlsx展开，旨在为您提供一份详细的参考资料。我们将全面介绍在PandasPython中读取XLSB文件的优缺点，解答pa

这篇文章主要围绕在Pandas Python中读取XLSB文件和pandas读取xlsx展开，旨在为您提供一份详细的参考资料。我们将全面介绍在Pandas Python中读取XLSB文件的优缺点，解答pandas读取xlsx的相关问题，同时也会为您带来pandas读取xlsx、python pandas不从csv文件中读取第一列、Python xlrd 读取xls文件、python – Pandas在没有标题的表中读取的实用方法。

• 在Pandas Python中读取XLSB文件（pandas读取xlsx）
• pandas读取xlsx
• python pandas不从csv文件中读取第一列
• Python xlrd 读取xls文件
• python – Pandas在没有标题的表中读取

在Pandas Python中读取XLSB文件（pandas读取xlsx）

对此有很多问题，但是对于如何将xlsb文件读入熊猫还没有简单的答案。是否有捷径可寻？

答案1

随着1.0.0pandas-的发布，January 29, 2020增加了对二进制Excel文件的支持。

import pandas as pddf = pd.read_excel(''path_to_file.xlsb'', engine=''pyxlsb'')

笔记：

• 您将需要升级熊猫- pip3 install pandas --upgrade
• 您将需要安装pyxlsb-pip3 install pyxlsb

pandas读取xlsx

一、使用pandas读取xlsx

　　引用pandas库

import pandas as pd

pd.read_excel(path, 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, parse_dates=False, 
              date_parser=None, thousands=None, comment=None, skipfooter=0, 
              convert_float=True, **kwds)

pandas读取Excel后返回DataFrame；

二、解析pd.read_excel()的常用参数

1.path --> xlsx的存储路径（建议使用英文路径或者英文命名方式）

import pandas as pd
path = r''D:\Testdatabase\data\data.xlsx''

2.sheet_name --> 读取工作表（sheet）名称

sheet_name:None代表读取所有的sheet，返回的就是一个ordereddict；指定就只读取指定sheet，只有一个返回的就是dataframe

# 整型数字、列表名、SheetN、或者是以上三组组合列表

# 整型数字：目标sheet所在位置，以0开始，比如sheet_name = 0代表第1个工作表
data = pd.read_excel(path, sheet_name = 1)
ss = data.head()
print(ss)

# 工作表名：目标sheet的名称，可用中英文
data = pd.read_excel(path, sheet_name = ''账号密码'')
data.head()

# SheetN：表示第N个sheet，S必须大写，注意与整型数字的区别使用
data = pd.read_excel(path, sheet_name = ''Sheet5'')
data.head()

# 组合使用
# sheet_name = [0, ''车辆信息'', ''Sheet4'']，代表读取三个工作表，分别为第1个工作表、名为“车辆信息”的工作表和第4个工作表。显然，Sheet4未经重命名。
# sheet_name 默认为0，取Excel第一个工作表。如果读取多个工作表，则显示表格的字典
data = pd.read_excel(path, sheet_name = [''账号密码'', ''车辆信息''], nrows = 5)
# sheet_name = [''账号密码'', ''车辆信息''] ，返回两个工作表组成的字典
data.head()

3.header --> 指定前几行作为列名（指定数据表的表头，默认值为0，即将第一行作为表头。）

# 默认[0]，即首行作为列名，设置为[0,1]，即表示将前两行作为多重索引
data = pd.read_excel(path, sheet_name = ''车辆信息'', header = [0,1]) 
# 前两行作为列名。
data.head()
data = pd.read_excel(path, sheet_name = ''车辆信息'', header = [0,1,2]) 
# 前三行作为列名
data.head()

4.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列长度一致，否则会报错
data = pd.read_excel(path, sheet_name = ''英超射手榜'', 
                     names = [''car_plate'',''sim_num'',''club'',''goal'',''common_goal'',''penalty''])
data.head()

5.index_col --> 用作索引的列

# 可以是工作表列名称，如index_col = ''车牌号''；
data = pd.read_excel(path, sheet_name = ''车辆信息'', index_col = ''车牌号'')
data.head()

# 可以是整型或整型列表，如index_col = 0 或 [0, 1]，如果选择多个列，则返回多重索引
data = pd.read_excel(path, sheet_name = ''车辆信息'', index_col = [0, 1])
data.head()

6.usecols --> 读取指定的列

# usecols 可避免读取全量数据，而是以分析需求为导向选择特定数据，可以大幅提高效率
# 使用整型，从0开始，如[0,2,3]
data = pd.read_excel(io, sheet_name = ''车辆信息'', usecols = [0, 1, 2])  # 想要读取第一列、第二列、和第三列的数据
data.head()

# 可以使用Excel传统的列名“A”、“B”等字母，如“A：C, E” ="A, B, C, E"，注意两边都包括
data = pd.read_excel(path, sheet_name = ''车辆信息'', usecols = ''A:C, E'')
data.head()

7.squeeze --> 当工作表只有一列

# squeeze为True时，返回Series，反之返回DataFrame
data = pd.read_excel(path, sheet_name = ''新增车组名'', squeeze  = True)
data.head()

data = pd.read_excel(path, sheet_name = ''新增车组名'', squeeze  = False)
data.head()

8.skiprows --> 跳过特定行

# skiprows= n， 跳过前n行； skiprows = [a, b, c]，跳过第a+1,b+1,c+1行（索引从0开始）
# 使用skiprows 后，有可能首行（即列名）也会被跳过。
data = pd.read_excel(path, sheet_name = ''新增车组名'', skiprows = [1,2,3]) 
# 跳过第2,3,4行数据（索引从0开始，包括列名）
data.head()

# 跳过前三行
data = pd.read_excel(io, sheet_name = ''新增车组名'', skiprows = 3)
data.head()

9.nrows --> 读取指定行数

# 读取指定行数， nrows = 10 ，即读取10行数据
data = pd.read_excel(path, sheet_name = ''新增车组名'', nrows = 10)
data.head()

10.skipfooter --> 跳过末尾N行

data = pd.read_excel(path , sheet_name = ''新增车组名'', skipfooter = 18)
#  skipfooter = 18， 跳过末尾0-18行（索引从0开始）
data.head()

11.converters --> 强制规定列数据类型

读数据的时候使用converters指定列数据的数值类型 pd.read_excel(''a.xlsx'',converters={0: str})

pandas默认将文本类的数据读取为整型），主要用途：保留以文本形式存储的数字

 三、常用操作

1.找到指定的一列，并在这一列中进行比较

data[''gender''][data[''gender''] == ''male''] = 0
data[''gender''][data[''gender''] == ''female''] = 1

2.保存

pd.DataFrame(data).to_excel(path, sheet_name=''Sheet1'', index=False, header=True)

3.新增列数据

data[''列名称''] = None
# 值为None（默认值）时，只有列名，没有数据
data[''profession''] = None

4.新增行数据

# 这里的N为excel自动给行加的序号
data.loc[N] = [值1， 值2， ...]
# 比如我在第5行新增
data.loc[5] = [''James'', 32, ''male'']

5.删除一列或者删除一行

# 删除gender列，需要指定axis为1，当删除行时，axis为0
data = data.drop(''gender'', axis=1)

# 删除第3,4行，这里下表以0开始，并且标题行不算在类
data = data.drop([2, 3], axis=0)

6.遍历指定列的所有行

data = pd.read_excel(path,sheet_name="sheet1")
for i in data[''列名'']:
    print(i)
    print(i,type(i))  # type(i) 数据类型，这里的i为字符串
    print(i.split('' '')) # 字符串转列表
    values=pd.DataFrame(i.split('' ''), columns=[''新增车组名''])  # 列表转DataFrame
    print(values)

7.自动填充、排序、计算、数据过滤、筛选

https://blog.csdn.net/u013089490/article/details/91422685

python pandas不从csv文件中读取第一列

我有一个简单的2列csv文件，名为st1.csv：

GRID    St1  1457    614  1458    657  1459    679  1460    732  1461    754  1462    811  1463    748

但是，当我尝试读取csv文件时，未加载第一列：

a = pandas.DataFrame.from_csv(''st1.csv'')  a.columns

输出：

 Index([u''ST1''], dtype=object)

为什么不读取第一列？

答案1

根据您的数据判断，看起来您正在使用的分隔符是``。

请尝试以下操作：

a = pandas.DataFrame.from_csv(''st1.csv'', sep='' '')

另一个问题是，假设您的第一列是索引，我们也可以禁用它：

a = pandas.DataFrame.from_csv(''st1.csv'', index_col=None)

Python xlrd 读取xls文件

# -*- coding: utf-8 -*- 
import sys
import xlrd

from string import Template

def open_excel(file= ''file.xls''):
    try:
        data = xlrd.open_workbook(file)
        return data
    except Exception,e:
        print str(e)
#根据索引获取Excel表格中的数据   参数:file：Excel文件路径     colnameindex：表头列名所在行的所以  ，by_index：表的索引
def excel_table_byindex(file= ''file.xls'',colnameindex=0,by_index=0):
    data = open_excel(file)
    table = data.sheets()[by_index]
    nrows = table.nrows #行数
    ncols = table.ncols #列数
    colnames =  table.row_values(colnameindex) #某一行数据 
    list =[]
    for rownum in range(1,nrows):

         row = table.row_values(rownum)
         if row:
             app = {}
             for i in range(len(colnames)):
                app[colnames[i]] = row[i] 
             list.append(app)
    return list

#根据名称获取Excel表格中的数据   参数:file：Excel文件路径     colnameindex：表头列名所在行的所以  ，by_name：Sheet1名称
def excel_table_byname(file= ''file.xls'',colnameindex=0,by_name=u''Sheet1''):
    data = open_excel(file)
    table = data.sheet_by_name(by_name)
    nrows = table.nrows #行数 
    colnames =  table.row_values(colnameindex) #某一行数据 
    list =[]
    for rownum in range(1,nrows):
         row = table.row_values(rownum)
         if row:
             app = {}
             for i in range(len(colnames)):
                app[colnames[i]] = row[i]
             list.append(app)
    return list

def main():
   tables = excel_table_byindex()
   for row in tables:
       print row

   tables = excel_table_byname()
   for row in tables:
           print row
       
def run():
    filepath = unicode(r"E:\workspace\doc\代码修改\各网点联系方式.xls", ''utf-8'').encode("cp936")
    tables = excel_table_byindex(file=filepath)
    temp = Template(''<option value="$name">$name</option>'')
    for row in tables:
        d = dict(name=row.get(row.keys()[1]).encode("utf-8"))
        print temp.safe_substitute(d)


if __name__=="__main__":
    # main()
    run()

python – Pandas在没有标题的表中读取

df = pd.read_csv(file_path,header=None,usecols=[3,6])

关于在Pandas Python中读取XLSB文件和pandas读取xlsx的问题就给大家分享到这里，感谢你花时间阅读本站内容，更多关于pandas读取xlsx、python pandas不从csv文件中读取第一列、Python xlrd 读取xls文件、python – Pandas在没有标题的表中读取等相关知识的信息别忘了在本站进行查找喔。