microsoft excel是一个使用非常广泛的电子表格程序。 它的用户友好性和吸引人的功能使其成为数据科学中常用的工具。 panadas库提供了一些功能,我们可以使用该功能完整地读取excel文件,也可以只读取选定的一组数据。 还可以读取其中包含多个工作表的excel文件。这里主要使用read_excel
函数从中读取数据。
我们在windows操作系统中创建一个包含多个工作表的excel文件。 不同工作表中的数据如下所示。
可以使用windows os中的excel程序创建此文件。 将该文件保存为: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
类似于我们在前一章中已经看到的读取csv文件,pandas库的read_excel
函数也可以用来读取一些特定的列和特定的行。使用称.loc()
多轴索引方法。选择显示某些行的salary
和name
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']])
执行上面示例代码,得到以下结果 -
salary name
1 515.2 dan
3 729.0 ryan
5 578.0 rasmi
具有不同数据格式的多个工作表也可以通过使用名为excelfile的包装类的帮助下的read_excel
函数来读取。 它只会将多张纸张读入内存一次。 在下面的例子中,我们将sheet1
和sheet2
读入两个数据框并单独打印出来。
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'])
当执行上面示例代码,得到以下结果 -
****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