从零开始使用python/pandas操作Excel (2)

Jingwei

接上节

pandas读取Excel数据表进阶

接下来我们再来看一个例子。其中B2至D2为列标题。

注意，此时的数据表不再是Excel文件的第一张表。用默认方式读取Excel文件将获得Sheet1的数据。然而Sheet1没有数据，所以读取的结果就是一个空数据表。

为pd.read_excel函数添加额外的参数sheet_name即可指定所读取Excel工作表的名称。

xl = pd.read_excel('指向Excel文件的路径', sheet_name='工作表名称')

此时，我们再来看读取到的DataFrame，出现了很多不明字段。这是因为read_excel的默认读取范围从工作表左上角（A1单元格）到数据表的最末行和最末列。由于第一行没有数据，列标题被默认显示为Unnamed:x。第一列也没有数据，所以显示NaN（Not a Number）。 这里要注意的是，DataFrame的行或列索引序号都是从0开始的，即第0行为起始行，第0列为起始列。

读取范围的修正

接下来，我们要做一些调整，使Excel工作表的第二行成为列标题，第二列成为数据表的首列。

xl = xl.iloc[:, 1:]  # 选取DataFrame的所有行，并截取第二列至最末列。
df = xl.iloc[1:]  # 选取DataFrame的第二行至最末行，保留所有列，并将选取的数据表保存在一个新的变量中。

我们用到了DataFrame的iloc函数 ^[1] 。上面的两行代码涉及了iloc函数的两种用法。

DataFrame.iloc[a:b, c:d]

a、b、c、d为整数。用于选取DataFrame的第a行到第b行、第c列到第d列。

若a不指定数值，则表示从起始行开始；若b不指定数值，则表示到最末行结束；c和d同理。

iloc函数只是选取了DataFrame中的一部分，并不会改变DataFrame的信息。

DataFrame.iloc[a:b]

a、b为整数。在保留所有列的前提下，用于选取DataFrame的第a行到第b行。

现在我们再来看看xl和df两个变量中所存储的DataFrame。

df中的数据内容是我们需要的，但是没有得到正确的列标题以及从0开始的索引。我们需要把xl的第0行变为df的列标题，并重新定义索引。

以下两行代码将重新定义df的列标题和索引。

df.columns = pd.Index(xl.iloc[0])  # xl.iloc[0]获取xl变量中数据表的第0行
df.index = pd.Index(range(df.shape[0]))  # 根据df的行数重新生成行索引

这里我们用到了Index函数 ^[2] ，其作用是将一个序列转化为数据表的索引对象。DataFrame的columns和index都属于一种索引对象。通过给columns和index赋值，我们可以任意修改数据表的列标题和行索引。

range ^[3] 用于生成一个连续数列。range(x)，其中x为正整数，生成的序列由0开始，直到x-1结束。

df.shape ^[4] 存储了数据表各个维度的长度，对于一个二维的数据表，df.shape[0]得到的是第一维的长度，即数据表的行数；df.shape[1]得到的是第二维的长度，即数据表的列数。

我们来看一看修正后的df变量。

仔细看会发现，左上角多了一个“0”。原来在将xl第0行传递给df.columns时，xl第0行的行索引被定义为df.columns的名称了。

我们可以将df.columns.name的值变为None，就可以把多了的那个“0”变成空值。

df.columns.name = None

最后我们再来看一下修正后的df变量。我们终于得到所需要的数据表了。

小结

本节中，我们讲述了一些进阶方法，用来处理Excel工作表的读取和索引的修正。之后，我们将探讨用pandas代替Excel进行数据处理的方法。敬请期待。

参考

发布于 2020-01-06 14:18

Python

Pandas(Python)

Microsoft Excel