【Python】pd.read

第一次运行必须带上定义：import pandas as pd，故意报错展现

pd.read_excel(1)

read_excel(io, sheet_name, header, names, index_col, parse_cols, usecols, squeeze, dtype, engine, converters, true_values, false_values, skiprows, nrows, na_values, keep_default_na, verbose, parse_dates, date_parser, thousands, comment, skip_footer, skipfooter, convert_float, mangle_dupe_cols, **kwds)

这函数有**kwds，函数在调用时，可以有任意数量和种类的命名参数，或者称关键字参数。这个就是决定了，pd.read_excel除了第一个路径外，后面参数顺序随便可换；

这个函数有效参数一共有26个，下文开始逐个描述，其中有3个问题，持续思考中~

Squeeze单列从Series变DataFrame的直观体现~

Thousands=','针对文本的差异如何直观体现~

mangle_dupe_cols=False的报错

整体初始模式：

read_excel(io,sheet_name=0,header=0,names=None,index_col=None,parse_cols=None,Nrows=None,usecols=None,skiprows=0,skipfooter=0,Squeeze=False,Dtype=None,Engine=None,Converters=None,true_values=None,false_values=None,na_values=None,keep_default_na=False,Verbose=False,parse_dates=False,date_parser=None,thousands=None,Comment=None,convert_float=True,mangle_dupe_cols=True)

注意：目前python中，skipfooter和skip_footer不能共存，所以上面只有25个参数。

1、io ：excel路径

默认就是C:\Users\XXX    XXX是用户名：pd.read_excel('test1.xlsx')

  

2、sheet_name：默认是sheet_name=0;          也可以使用sheetname

1）sheetname=’sheet2’ 返回指定名字的表；2）返回多表使用sheet_name=[0,1,2] 代表返回第几张，0默认第一张，0，1，2代表返回第一张、第二张、第三张；3）若sheet_name=None是返回全表。

3、header ：指定作为列名的行，默认header=0，即取第一行，数据为默认从这一行下面开始读取；若数据想不含列名，则设定header=None；

案例1：pd.read_excel('test2.xlsx',header=1)

案例2：pd.read_excel('test2.xlsx',header=None)

4、names要使用的列名列表，默认names=None；匹配header进行使用，会覆盖原因的表头文字。指定的名字出现重复的话，会出现.1，.2

案例1：pd.read_excel('test2.xlsx',header=0,names='54321')

案例2：pd.read_excel('test2.xlsx',header=0,names='54333')

 

5、index_col指定列为索引列，默认index_col=None，index_col=0，选择第一列为索引

案例：pd.read_excel('test2.xlsx',index_col=0)

6、parse_cols，默认parse_cols=None，相关于usecols，显示多少列，None是显示全部列，parse_cols=1，显示2列

案例：pd.read_excel('test2.xlsx',parse_cols=1)

7、Nrows，8、usecols需要展示的行列数进行指定，默认Nrows=None,usecols=None,这里意思就是展示全部的有数据的行和列，nrows=2,usecols=2，意思就是需求2行，3列

案例：pd.read_excel('test2.xlsx',nrows=2,usecols=2)

9、skiprows省略指定行数的数据，默认skiprows=0，从表头开始省略的行数，表头也算是数据。

案例：pd.read_excel('test2.xlsx',skiprows=1)

  

 

10、skipfooter省略从尾部数的行数据，默认skipfooter=0,设置0就是省略0行。

11、skip_footer是一样的

案例：pd.read_excel('test2.xlsx',skipfooter=28)

 

12、Squeeze，如果文件值包含一列，则返回一个Series，默认Squeeze=False；这里及哪怕只有一列也是按照默认的输出为dataframe，Squeeze=True，在只有一列的时候就是为Series；

#Pandas各个数据类型的关系：0维单值变量->1维Series->2维DataFrame->3维层次化

#Time- Series：以时间为索引的Series，它是由index（索引）和value（数值）组成

#DataFrame：二维的表格型数据结构。很多功能与R中的data.frame类似。

#Panel ：三维的数组，可以理解为DataFrame的容器。

针对只有1列的案例如下，但是实际的直观差异需要进一步跟进。

案例：pd.read_excel('test3.xlsx',Squeeze=True)

 

 

 

13、Dtype，每列数据的数据类型。例如 {'a’: np.float64, 'b’: np.int32}，默认Dtype=None；也就是按照初始的数据类型进行输出；这里需要匹配np，需要额外定意思import numpy as np

这里把第一类的类型进行了改变

案例：pd.read_excel('test2.xlsx',dtype={'你':np.int32,'好':np.float64,'啊':np.float64,'我':np.float64,'区':np.float64})

  

14、Engine，使用的分析引擎。可以选择C或者是python。C引擎快但是Python引擎功能更加完备。默认Engine=None；就是使用python。

案例:pd.read_excel('test2.xlsx',Engine='C')

 

15、Converters，在某些列中转换值的函数的命令默认Converters=None；也就是不进行转化。这个可以是公式转换，也可以是字符类型转化，默认的数字是int格式，案例改为tsr。

#Python的数字类型有int整型、long长整型、float浮点数、complex复数、以及布尔值（0和1）

 #对于布尔值，只有两种结果即True和False，其分别对应与二进制中的0和1。

#文本类型str类。

案例:pd.read_excel('test7.xlsx',converters={'str':str})

 

 

16、true_values，指定字符变为true，默认true_values=None，默认没有字符转化为true

17、false_values，指定字符变为false，默认false_values=None，默认没有字符转化为true

18、na_values，指定字符变为NaN，默认false_values=None，默认没有字符转化为NaN

这3个模块可以一起理解。

案例pd.read_excel('test4.xlsx',true_values='你',false_values='好',na_values='无')

 

19、keep_default_na，如果指定na_values参数，并且keep_default_na=False，那么默认的NaN将被覆盖，否则添加。默认keep_default_na=True；默认不会被新定义的NaN影响默认的NaN规则

默认的NaN定义'-1.#IND', '1.#QNAN', '1.#IND', '-1.#QNAN', '#N/A N/A','#N/A', 'N/A', 'NA', '#NA', 'NULL', 'NaN', '-NaN', 'nan', '-nan', ''转换为NaN

案例pd.read_excel('test5.xlsx',na_values=['无'],keep_default_na=False)

 

 

20、Verbose，是否显示各种解析器的输出信息，例如：“在非数字列中显示插入的na值的数目”等。默认Verbose=False；默认不显示，python默认使用紧凑的正则表达式(即普通的正则表达式),但为了提高正则表达式的可读性,我们可以使用松散的。这个模块主要是意思理解。

21、parse_dates，分析日期，默认=False；也就是不分析日期，适用于表格里面没有日期的。如果为true，需要指定将哪一列解析为时间索引。如果列或索引包含不可分析的日期，则整个列或索引将作为对象数据类型原封不动地返回。对于非标准的日期时间分析，请在pd.read_excel之后使用pd.to_datetime。注意：对于ISO8601格式的日期，存在一个快速路径。

 [1, 2, 3] -> 解析1,2,3列的值作为独立的日期列；

 [[1, 3]] -> 合并1,3列作为一个日期列使用dict,

 {'foo’ : [1, 3]} -> 将1,3列合并，并给合并后的列起名为'foo'

案例1：pd.read_excel('test13.xlsx',parse_dates=['第1次'])

案例2：pd.read_excel('test13.xlsx',parse_dates=[['第1次','第2次']])

案例3：pd.read_excel('test13.xlsx',parse_dates={'foo':['第1次','第3次']})

 

 

 

22、date_parser，日期分析器，默认=None；也就是不开启，适用于表格里面没有日期的。用于解析日期的函数，默认使用dateutil.parser来做转换。dateutil.parser 顾名思意 就是与日期相关库里的一个日期解析器，能够将字符串转换为日期格式，我们来看看具体的用法。

需要在线安装 pip install python-dateutil；一般要分析的情况下，就开启就可以了。

案例：pd.read_excel('test13.xlsx',date_parser=True)

23、Thousands，设置默认的数字千分符号，默认thousands =None；默认不设置。此参数仅对Excel中存储为文本的列是必需的，无论显示格式如何，都将自动分析任何数值列，这里读取excel的时候，不管excel有没有千分符，都会默认无。

数据格式的展示

 

案例：pd.read_excel('test12.xlsx',Thousands=',')

但是好像没有直接的明显差异，需要持续跟进

 

 

24、Comment，标识着多余的行不被解析。如果该字符出现在行首，这一行将被全部忽略。这个参数只能是一个字符，空行；默认Comment=None。表示不按照这个方式忽略

案例：pd.read_excel('test11.xlsx',comment='#')

 

 

25、convert_float，转换浮点数，默认convert_float=True ；将整数浮点转换为int（即1.0–>1）将整数浮点转换为int（即1.0–>1）。如果为False，则所有数值数据都将作为浮点数读取：Excel将所有数字作为浮点数存储在内部。

案例：pd.read_excel('test10.xlsx',convert_float=False)

 

 

 

26、mangle_dupe_cols，默认mangle_dupe_cols=True；则重复列将指定为“x.0”…“x.n”，如果设定为false则会将所有重名列覆盖，但是实际测试会报错！

此处可能是Pandas包的问题，持续跟进~

直接读取和设置True均正常

案例：pd.read_excel('test9.xlsx',mangle_dupe_cols=True)

换个思路，自己设置标题，也是一样

案例：pd.read_excel('test9.xlsx',header=None,names='1111',mangle_dupe_cols=False)

 

参考资料：https://blog.csdn.net/u010801439/article/details/80052677