pd.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, parse_dates=false,
date_parser=none, thousands=none, comment=none, skipfooter=0,
convert_float=true, **kwds)
1、io，excel的儲存路徑
2、sheet_name，要讀取的工作表名稱
3、header， 用哪一行作列名
4、names， 自定義最終的列名
5、index_col， 用作索引的列
6、usecols，需要讀取哪些列
7、squeeze，當資料僅包含一列
8、converters ，強制規定列資料型別
9、skiprows，跳過特定行
10、nrows ，需要讀取的行數
11、skipfooter ， 跳過末尾n行
excel是微軟的經典之作，在日常工作中的資料整理、分析和視覺化方面，有其獨到的優勢，尤其在你熟練應用了函式和資料透視等高階功能之後，excel可以大幅度提高你的工作效率。但如果資料量超大，excel的劣勢也就隨之而來，甚至因為記憶體溢位無法開啟檔案，後續的分析更是難上加難。那麼，有什麼更好的解決辦法嗎？工欲善其事，必先利其器，在這裡我們介紹使用python的pandas資料分析包來解決此問題。
pd.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, parse_dates=false,
date_parser=none, thousands=none, comment=none, skipfooter=0,
convert_float=true, **kwds)
pandas讀取excel後返回dataframe，接下來我們就pd.read_excel()的常用引數進行詳細解析。
【文中使用英超、西甲的排名積分榜及射手榜作為原始資料~~~】
1、io，excel的儲存路徑
建議使用英文路徑以及英文命名方式。
import pandas as pd
io = r'c:\users\administrator\desktop\data.xlsx'
2、sheet_name，要讀取的工作表名稱
可以是整型數字、列表名或sheetn，也可以是上述三種組成的列表。
整型數字：目標sheet所在的位置，以0為起始，比如sheet_name = 1代表第2個工作表。
data = pd.read_excel(io, sheet_name = 1)
data.head()
列表名：目標sheet的名稱，中英文皆可。
data = pd.read_excel(io, sheet_name = '英超射手榜')
data.head()
sheetn：代表第n個sheet，s要大寫，注意與整型數字的區別。
data = pd.read_excel(io, sheet_name = 'sheet5')
data.head()
組合列表： sheet_name = [0, '英超射手榜', 'sheet4']，代表讀取三個工作表，分別為第1個工作表、名為「英超射手榜」的工作表和第4個工作表。顯然，sheet4未經重新命名。
sheet_name 預設為0，取excel第乙個工作表。如果讀取多個工作表，則顯示**的字典。對於初學者而言，建議每次讀取乙個工作表，然後進行二次整合。
data = pd.read_excel(io, sheet_name = ['英超積分榜', '西甲積分榜'], nrows = 5)
data
3、header， 用哪一行作列名
預設為0 ，如果設定為[0,1]，則表示將前兩行作為多重索引。
data = pd.read_excel(io, sheet_name = '英超積分榜', header = [0,1])
data.head()
4、names， 自定義最終的列名
一般適用於excel缺少列名，或者需要重新定義列名的情況。
注意：names的長度必須和excel列長度一致，否則會報錯。
data = pd.read_excel(io, sheet_name = '英超射手榜',
names = ['rank','player','club','goal','common_goal','penalty'])
data.head()
5、index_col， 用作索引的列
可以是工作表列名稱，如index_col = '排名'；
可以是整型或整型列表，如index_col = 0 或 [0, 1]，如果選擇多個列，則返回多重索引。
data = pd.read_excel(io, sheet_name = '英超射手榜', index_col = '排名')
data.head()
data = pd.read_excel(io, sheet_name = '英超射手榜', index_col = [0, 1])
data.head()
6、usecols，需要讀取哪些列
可以使用整型，從0開始，如[0,2,3]；
可以使用excel傳統的列名「a」、「b」等字母，如「a：c, e」 ="a, b, c, e"，注意兩邊都包括。
usecols 可避免讀取全量資料，而是以分析需求為導向選擇特定資料，可以大幅提高效率。
data = pd.read_excel(io, sheet_name = '西甲射手榜', usecols = [0, 1, 3])
data.head()
data = pd.read_excel(io, sheet_name = '西甲射手榜', usecols = 'a:c, e')
data.head()
7、squeeze，當資料僅包含一列
squeeze為true時，返回series，反之返回dataframe。
data = pd.read_excel(io, sheet_name = 'squeeze', squeeze = true)
data.head()
data = pd.read_excel(io, sheet_name = 'squeeze', squeeze = false)
data.head()
8、converters ，強制規定列資料型別
converters = ， 將「排名」列資料型別強制規定為字串（pandas預設將文字類的資料讀取為整型），「場次」列強制規定為整型；
主要用途：保留以文字形式儲存的數字。
data = pd.read_excel(io, sheet_name = 'converters')
data['排名'].dtype
data = pd.read_excel(io, sheet_name = 'converters', converters = )
data['排名'].dtype
9、skiprows，跳過特定行
skiprows= n， 跳過前n行； skiprows = [a, b, c]，跳過第a+1,b+1,c+1行（索引從0開始）；
使用skiprows 後，有可能首行（即列名）也會被跳過。
data = pd.read_excel(io, sheet_name = '英超射手榜', skiprows = [1,2,3])
data.head()
data = pd.read_excel(io, sheet_name = '英超射手榜', skiprows = 3)
data.head()
11、skipfooter ， 跳過末尾n行
data = pd.read_excel(r'c:\users\administrator\desktop\data.xlsx' ,
sheet_name = '英超射手榜', skipfooter = 43)
data
pandas讀取excel檔案
import pandas as pd 先將檔案讀到記憶體中形成乙個datefream people pd.read excel r people.xlsx 檢視行數和列數 print people.shape 檢視列名 當直接列印datefream時 id不會顯示 datefream對待index...
pandas 讀取Excel檔案
注意 讀取檔案會自動建立索引index，直接儲存dataframe為excel檔案會多一行index！預設第一行為欄位名 people pd.read excel d temp people.xls 注意 若前面有若干空行，則自動跳過 指定欄位名的行 無字段行，header none，pandas為...
Pandas讀取並修改excel
最近總是和excel打交道，由於資料量較大，人工來修改某些資料可能會有點浪費時間，這時候就使用到了python資料處理的神器 pandas庫，話不多說，直接上pandas。安裝完成後使用python自帶的包管理工具pip可以很快的安裝pandas。pip install pandas如果使用的是an...