Github完整程式连结

嗨嗨，今天来介绍一个我在工作上常用到的一个函式- pandas.read_excel()，它帮助我读取Excel档的资料，并转换成Python可以进行数据处理的DataFrame格式，是一个非常常用的函式过去我导入的数据集（Excel档）几乎都只有一张工作表work sheet，所以一导入就是我要的资料，但就在距离今天不久前，我同事找我分析某份数据集，但它是在某份Excel档中的第二个工作表（work sheet）里，当然也是有很麻烦的解决办法，就是复制第二张工作表的内容，然后贴到另一份新的Excel档中，就搞定了，但是我总不能每次都这样，要是有上万份的档案，都要这样处理，我就Amazing了XD，所以我就想仔细地了解一下pandas.read_excel()底下到底有哪些参数可以使用，是否可以帮助我解决这个问题，并把我学习到的记录下来，帮助自己与有需要的大家，下次遇到这个问题，就能够轻松解决

pandas.read_excel()是要做什么的？

• 它帮助我们将Excel档导入进我们的Python程式中，并转换成DataFrame格式，方便我们使用Python来对数据进行操作，
• 它可以导入我们Local端的文件，或从URL上读取文件，像是Github就有像https://raw.githubusercontent.com/plotly/datasets/master/data.csv这样的网址可以读取网址上的csv数据集data
• 但它所导入的副档名须符合像xls, xlsx. xlsm, xlsb和odf的档案

pandas.read_excel()参数

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, skipfooter=0, convert_float=True, mangle_dupe_cols=True, **kwds)

我接下来会用实作的方式带大家了解这些参数的意义

补充： 如何使用Jupyter Notebook快速取得这个函数的参数，以及这个参数的说明呢？

两种方式

• 第一种： 使用help()函数来帮忙，像是help(pd.read_excel)
• 第二种： 把pd.read_excel()打字的输入线移到函数括号内，并按下Shift + Tab，就会跳出资讯了

实作用的数据介绍

这份是我自己捏造的数据集喔，我有放在Github上，大家可以下载下来当练习用，这份Excel档中，有三页工作表，如下图第一张工作表是顾客的基本资料，第二张是消费记录表，第三张是旅游记录表

图一： 数据集Excrl档中- 有三页工作表

图二： 第一张工作表

图三： 第二张工作表

图四： 第三张工作表

参数的介绍与实作

1. io: 欲导入的Excel档路径与档名，像是io = "填入位置路径+ 档名"，也可以直接省略io =，直接填入位置路径加档名就好

程式码范例

## 导入Pandas 套件import pandas as pd
​
## 读取档案df = pd.read_excel('data/dataset_example.xlsx')
​
## 显示资料df

执行结果

2. sheet_name(str, int, list, or None, default 0) : 读取指定的工作表

可以传入参数的格式

• 传入整数(ex. 0,1,2...): 指定特定位置的工作表，像0就是第一张工作表，1就是第二张工作表，以此类推，预设为0，表示导入第一张工作表，并转换返回一个DataFrame格式的资料表
• 传入字串（string）: 指定特定名称的工作表，像是"Consumption_Record"就是指定导入名称为"Consumption_Record"的工作表，并转换返回一个DataFrame格式的资料表
• 传入串列(ex. [0,1]): 一次导入多个工作表，像[0,1]就是指一次导入第一张与第二张工作表，也可以像[2,"Consumption_Record"]就是导入第三张与名为"Consumption_Record"的工作表，它会返回一个OrderDict类型的数据，并会将这些工作表合并于一个list中
• 传入None: 表示将全部工作表载入，它会返回一个OrderDict类型的数据，并会将这些数据合并在一个list中

程式码范例

## 导入pandas套件import pandas as pd
​
## 读取第三章工作表a_int = pd.read_excel('data/dataset_example.xlsx', sheet_name = 2)
​
## 读取'Consumption_Record'工作表b_string = pd.read_excel(io = 'data/dataset_example.xlsx', sheet_name = 'Consumption_Record')
​
## 读取第一张与第三张的工作表c_list = pd.read_excel(io = 'data/dataset_example.xlsx', sheet_name = [0,2])
​
## 读取第三张与'Consumption_Record'工作表d_list = pd.read_excel(io = 'data/dataset_example.xlsx', sheet_name = [2, 'Consumption_Record'])
​
## 读取全部的工作表e_all = pd.read_excel(io = 'data/dataset_example.xlsx', sheet_name = None)

执行结果

• 补充： 从上面的结果，如果我们是传入一个串列list，像是c_list与d_list那样，就可以在结果上用像是c_list[2], d_list["Consumption_Record"]，来将合并成OrderDict的数据类型，再次分开成单独的DataFrame格式，但要指定为我们sheet_name的切割方式，像是如下的程式码，如果我输入c_list[1]这样会报错，大家要注意这一点
• 程式码范例

## 显示数据#c_list[0]
c_list[2]
## 显示数据#d_list[2]
d_list['Consumption_Record']

执行结果

3. header(int, list of int, default 0): 指定哪一列为最上方的列名

参数可以传入的格式

• 整数（int）: 传入1，代表指定第二列为列名，以此类推，预设为0，代表指定第一列为列名
• 串列：将串列中的列位置都当成是列名，让多列同时成为列名，像是[0,1,2]就是将第1、2、3列都成为列名
• 传入None: 表示不使用任何数据里的列当成是列名
• 程式码范例

## 导入pandas套件import pandas as pd
​
## 读取第一张工作表，且以第一列当列名a_int = pd.read_excel('data/dataset_example.xlsx', header = 0)
​
## 读取第一张工作表，且以第三列为列名b_int = pd.read_excel('data/dataset_example.xlsx', header = 2)
​
## 读取第一张工作表，且以第一，二，三列当列名c_list = pd.read_excel('data/dataset_example.xlsx', header = [0,1,2])
​
## 读取第一张工作表，且不以任何数据列当列名d = pd.read_excel('data/dataset_example.xlsx', header = None)

执行结果

• 小提醒： 当指定列名为原数据的哪些列或哪一列时，在它上面的列都会被拿掉，像是header = 2的话，原数据前二列的数据就会被拿掉，只产生指定第三列以下的数据列

4. names(array-like, default None): 指定一个自定义的列名

可以传入参数的格式

• 串列（list）: 传入自定义的名称，但要注意数量要与原数据的列名一样数量
• 程式码范例

## 导入pandas套件import pandas as pd
​
a_list = pd.read_excel('data/dataset_example.xlsx', names = ['顾客编号', '姓名', '年龄', '身高', '体重', 
                              '性别', '职业'])
​
## 显示数据a_list

执行结果

5. nrows(int default None): 指定欲读取前多少行

可以传入参数的格式

• 整数（int）: 传入整数，像是传入6代表读取前面6行程式码范例

## 导入pandas套件import pandas as pd
​
## 只导入前四行数据a_int = pd.read_excel('data/dataset_example.xlsx', nrows = 4)
​
## 显示数据a_int

执行结果

6. na_values(scaler, str, list-like, or dict, default None): 将指定的栏位字串，改成NaN

可以传入参数的格式

• 字串（str）：像是如果是用我的范围数据集传入'M'，就会将所有'M'的栏位改成NaN
• 程式码范例

## 导入pandas套件import pandas as pd
​
## 将所有'M'的栏位改成NaN 
a_str = pd.read_excel('data/dataset_example.xlsx', na_values = 'M')
​
## 显示数据a_str

执行结果

7. keep_default_na(bool, default True): 是否将原本为空值的数据导入，并给予NaN

可以传入参数的格式

• Boolean: 传入True 或False，预设为True，代表导入空值，并填为NaN
• 程式码范例

## 导入pandas套件import pandas as pd
​
## 不要传入有空值的数据a_bool = pd.read_excel('data/dataset_example.xlsx', keep_default_na = False)
​
## 显示数据a_bool

执行结果

8. skiprows(list-like): 将指定的行数跳过不导入进来

可以传入参数的格式

• 整数（int）: 如果为1，就是跳过第一行，为6，就是跳过第6行，以此类推
• 串列（list）: 可以指定跳过哪些行，像是[1,4,5,6] 就是跳过1,4,5,6行
• lambda函数： 可以使用lambda来指定欲跳过的行
• 程式码范例

## 导入pandas套件import pandas as pd
​
## 跳过第二行a_int = pd.read_excel('data/dataset_example.xlsx', skiprpws = 2)
​
## 跳过1,3,6行b_list = pd.read_excel('data/dataset_example.xlsx', skiprpws = [1,3,6])
​
## 跳过偶数行c_func = pd.read_excel('data/dataset_example.xlsx', skiprpws = lambda x: x%2 == 0)

执行结果

9. index_col(int, list of int, default None): 指定哪一列为索引列

可以传入参数的格式

• 整数（int）: 指定哪一列为索引列
• None: 为预设的值，代表它会自动帮我们创建一列，以0开始的索引列
• 串列（list）: 指定哪些列为索引列
• 程式码范例

## 导入pandas套件import pandas as pd
​
## 把第一列当成索引列a_int = pd.read_excel('data/dataset_example.xlsx', index_col = 0)
​
## 不把数据中任何一列当成索引列b_none = pd.read_excel('data/dataset_example.xlsx', index_col = None)
​
## 把第一，四，六列当成索引列c_list = pd.read_excel('data/dataset_example.xlsx', index_col = [0,3,5])

执行结果

10. true_values & false_values(list, default None): 指定数据中的哪些值，为True或False

可以传入参数的格式

• 串列（list）: 指定数据中哪些要转为True或False的值，像是true_values['M']就是把数据中的'M'转为True，false_values['M']就是把数据中的'M'转为False
• 程式码范例

## 导入pandas套件import pandas as pd
​
## 将数据集中的'M'改为True，'F'改为Fasle
a_list = pd.read_excel('data/dataset_example.xlsx', true_values = ['M'], false_values = ['F'])
​
## 显示数据a_list

执行结果

11. dtype(Type name or dict of column -> type, default None): 改变数据类型，预设为None，代表不改变原数据类型

可以传入参数的格式

• Pandas 所以包含的所有数据类型

• 程式码范例

原本的数据类型

## 导入pandas套件import pandas as pd
​
## 导入原本数据的前七行数据a = pd.read_excel('data/dataset_example.xlsx', nrows = 7)
​
## 显示数据资讯a.info()

更改过后的数据类型：先将最后一列NaN值拿掉，并将Age, Height 和Weight改为浮点数类型

## 导入pandas套件import pandas as pd
​
## 先将最后一列有NaN值得拿掉，并将Age、Height和Weight改为浮点数类型a = pd.read_excel('data/dataset_example.xlsx', nrows = 7, dtype = {2: 'float64', 3:'float64', 4:'float64'})
​
## 显示数据资讯a.info()

执行结果

12. usecols(int, str, list-like, or callable default None): 指定读取excel中哪些列

可以传入参数的格式

• 串列（list）: 指定要解析哪几列
• None: 预设值为None，代表解析所有列
• 字串（list）: 指定Excel档中列的字母序号，使用":"来代表列字母序号的范围，","来代表要指定哪些列，像是"A:E"，代表解析A到E列，而"A,C,E:F"，代表解析A、E和E到F列
• 程式码范例

## 导入pandas套件import pandas as pd
​
## 指定解析第1与4列a_list = pd.read_excel('data/dataset_example.xlsx', usecols = [0,3])
​
## 指定解析A列到C列a_str1 = pd.read_excel('data/dataset_example.xlsx', usecols = 'A:C')
​
## 指定解析A列到C列a_str2 = pd.read_excel('data/dataset_example.xlsx', usecols = 'A,C')
​
## 指定解析A列、B列和D到F列a_str3 = pd.read_excel('data/dataset_example.xlsx', usecols = 'A,B ,D:F')

执行结果

13. squeeze(bool, default False): 当指定解析只有一列时，会回传成Series格式

可以传入参数的格式

• Boolean: True 或False，预设为False，为True时，当指定解析的只有一列，会回传成Series格式
• 程式码范例

## 导入pandas套件import pandas as pd
​
## 指定解析一列，并回传成Series格式a = pd.read_excel('data/dataset_example.xlsx', usecols = [2], squeeze = True)
​
## 显示数据类型print(type(a))
​
## 显示数据a

执行结果

14. engine(str, default None): 使用哪种的第三方解析库，都是用来解析Excel档的

可以传入参数的格式

• 第三方解析库： xlrd, openpyxl, odf
• None: 为预设值，代表不需要使用第三方解析库

15. converters(dict, default None): 使用函数来对指定的列，进行自定义的数据处理，可以使用Python的def或lambda方法

可以传入参数的格式

• 字典（dict）: 第一个参数是key，为指定的列名或列的序列码，为函数，可以使用Python的def或lambda方法
• 程式码范例

## 导入pandas套件import pandas as pd
​
##将Customer_id那一列都加上100，然后Age那一列，在后面都加上years old
a = pd.read_excel('data/dataset_example.xlsx', 
         converters = {0: lambda x: x+100, 2: lambda x: str(x) + " years old"})
​
## 显示数据a

执行结果

• 补充： 更多使用Pandas来导入不同文件格式方法，可以直接参考官网（ https://pandas.pydata.org/pandas-docs/stable/user_guide/io.html#io-read-csv-table）的整理喔

当然还有一些参数我没有介绍到，但这边列出了许多我们比较常用到的参数，如果大家想了解更多，可以直接使用help(pandas.read_excel)这个方法来查询所有参数的用法说明喔，对这个方法有了很大的了解后，日后我们需要导入Excel档的时候，就能在导入前先进行初步的数据处理了，像是我们可以先指定好要解析导入哪些列，才不用通通都导入后，再把用不到的列拿掉，如果遇到拥有很多工作表的时候，也能轻松指定我们欲导进来的工作表喔

Reference

https://zhuanlan.zhihu.com/p/142972462

https://blogs.csdn.net/brucewong0516/article/details/79096633