จะอ่านไฟล์. xlsx โดยใช้ pandas Library ใน iPython ได้อย่างไร


115

ฉันต้องการอ่านไฟล์. xlsx โดยใช้ Pandas Library of python และพอร์ตข้อมูลไปยังตาราง postgreSQL

สิ่งที่ฉันทำได้จนถึงตอนนี้คือ:

import pandas as pd
data = pd.ExcelFile("*File Name*")

ตอนนี้ฉันรู้แล้วว่าขั้นตอนได้ดำเนินการสำเร็จแล้ว แต่ฉันอยากรู้ว่าฉันจะแยกวิเคราะห์ไฟล์ excel ที่อ่านแล้วได้อย่างไรเพื่อที่ฉันจะได้เข้าใจว่าข้อมูลใน excel แมปกับข้อมูลในข้อมูลตัวแปรได้อย่างไร
ฉันเรียนรู้ว่าข้อมูลเป็นวัตถุ Dataframe ถ้าฉันไม่ผิด ดังนั้นฉันจะแยกวิเคราะห์วัตถุดาต้าเฟรมนี้เพื่อแยกแต่ละบรรทัดทีละแถวได้อย่างไร


8
df = pd.ExcelFile ('ชื่อไฟล์') แยกวิเคราะห์ ('แผ่นงาน 1'); ดู docs pandas.pydata.org/pandas-docs/dev/io.html#excel-files
Jeff

คำตอบ:


180

ฉันมักจะสร้างพจนานุกรมที่มี a DataFrameสำหรับทุกแผ่น:

xl_file = pd.ExcelFile(file_name)

dfs = {sheet_name: xl_file.parse(sheet_name) 
          for sheet_name in xl_file.sheet_names}

อัปเดต: ในแพนด้าเวอร์ชัน 0.21.0+ คุณจะได้รับพฤติกรรมนี้อย่างหมดจดยิ่งขึ้นโดยส่งsheet_name=Noneไปที่read_excel:

dfs = pd.read_excel(file_name, sheet_name=None)

ใน 0.20 และก่อนหน้านี้เป็นsheetnameมากกว่าsheet_name(ตอนนี้เลิกใช้แล้วตามข้อข้างบน):

dfs = pd.read_excel(file_name, sheetname=None)

ขอบคุณแอนดี้ สิ่งนี้ได้ผล ตอนนี้ขั้นตอนต่อไปของฉันจากที่นี่คือการเขียนสิ่งนี้ลงในฐานข้อมูล postgreSQL ห้องสมุดใดดีที่สุดที่จะใช้? SQLAlchemy?
Sabareesh Kappagantu

อืมถ้าคุณพูดว่าmysql - ฉันรู้คำตอบ postgres ก็อาจจะทำงานคล้าย ๆ กัน ... ไม่ใช่ 100% (คงจะเป็นคำถามที่ดี)
Andy Hayden

ฉันมีวิธีการทำ ฉันใช้ Sqlalchemy คุณพูดถูกมันค่อนข้างคล้ายกับ mysql มันเกี่ยวข้องกับการสร้างเอ็นจิ้นจากนั้นรวบรวมข้อมูลเมตาและเล่นกับข้อมูล ขอบคุณอีกครั้งแอนดี้! :) ชื่นชมความช่วยเหลือ
Sabareesh Kappagantu

1
pandas.DataFrame.to_sqlอาจช่วยได้ สำหรับการอ่านคุณสามารถใช้dp.pyวัตถุที่ส่งคืน Pandas DataFrame
Finn Årup Nielsen

ฉันพยายามบรรลุสิ่งที่คล้ายกัน แต่ด้วยการใช้ไฟล์ xlsx excel 2 ไฟล์เพื่อสร้างดาต้าเฟรมเดียวฉันสงสัยว่าคุณสามารถดูและช่วยฉันเกี่ยวกับเรื่องนี้ได้ไหมฉันขอความช่วยเหลือโดยสร้างคำถามอื่นstackoverflow.com / questions / 16888888 / … @AndyHayden
Deepak M

27
from pandas import read_excel
# find your sheet name at the bottom left of your excel file and assign 
# it to my_sheet 
my_sheet = 'Sheet1' # change it to your sheet name
file_name = 'products_and_categories.xlsx' # change it to the name of your excel file
df = read_excel(file_name, sheet_name = my_sheet)
print(df.head()) # shows headers with top 5 rows

11

read_excelวิธีการของ DataFrame ก็เหมือนกับread_csvวิธีการ:

dfs = pd.read_excel(xlsx_file, sheetname="sheet1")


Help on function read_excel in module pandas.io.excel:

read_excel(io, sheetname=0, header=0, skiprows=None, skip_footer=0, index_col=None, names=None, parse_cols=None, parse_dates=False, date_parser=None, na_values=None, thousands=None, convert_float=True, has_index_names=None, converters=None, true_values=None, false_values=None, engine=None, squeeze=False, **kwds)
    Read an Excel table into a pandas DataFrame

    Parameters
    ----------
    io : string, path object (pathlib.Path or py._path.local.LocalPath),
        file-like object, pandas ExcelFile, or xlrd workbook.
        The string could be a URL. Valid URL schemes include http, ftp, s3,
        and file. For file URLs, a host is expected. For instance, a local
        file could be file://localhost/path/to/workbook.xlsx
    sheetname : string, int, mixed list of strings/ints, or None, default 0

        Strings are used for sheet names, Integers are used in zero-indexed
        sheet positions.

        Lists of strings/integers are used to request multiple sheets.

        Specify None to get all sheets.

        str|int -> DataFrame is returned.
        list|None -> Dict of DataFrames is returned, with keys representing
        sheets.

        Available Cases

        * Defaults to 0 -> 1st sheet as a DataFrame
        * 1 -> 2nd sheet as a DataFrame
        * "Sheet1" -> 1st sheet as a DataFrame
        * [0,1,"Sheet5"] -> 1st, 2nd & 5th sheet as a dictionary of DataFrames
        * None -> All sheets as a dictionary of DataFrames

    header : int, list of ints, default 0
        Row (0-indexed) to use for the column labels of the parsed
        DataFrame. If a list of integers is passed those row positions will
        be combined into a ``MultiIndex``
    skiprows : list-like
        Rows to skip at the beginning (0-indexed)
    skip_footer : int, default 0
        Rows at the end to skip (0-indexed)
    index_col : int, list of ints, default None
        Column (0-indexed) to use as the row labels of the DataFrame.
        Pass None if there is no such column.  If a list is passed,
        those columns will be combined into a ``MultiIndex``
    names : array-like, default None
        List of column names to use. If file contains no header row,
        then you should explicitly pass header=None
    converters : dict, default None
        Dict of functions for converting values in certain columns. Keys can
        either be integers or column labels, values are functions that take one
        input argument, the Excel cell content, and return the transformed
        content.
    true_values : list, default None
        Values to consider as True

        .. versionadded:: 0.19.0

    false_values : list, default None
        Values to consider as False

        .. versionadded:: 0.19.0

    parse_cols : int or list, default None
        * If None then parse all columns,
        * If int then indicates last column to be parsed
        * If list of ints then indicates list of column numbers to be parsed
        * If string then indicates comma separated list of column names and
          column ranges (e.g. "A:E" or "A,C,E:F")
    squeeze : boolean, default False
        If the parsed data only contains one column then return a Series
    na_values : scalar, str, list-like, or dict, default None
        Additional strings to recognize as NA/NaN. If dict passed, specific
        per-column NA values. By default the following values are interpreted
        as NaN: '', '#N/A', '#N/A N/A', '#NA', '-1.#IND', '-1.#QNAN', '-NaN', '-nan',
    '1.#IND', '1.#QNAN', 'N/A', 'NA', 'NULL', 'NaN', 'nan'.
    thousands : str, default None
        Thousands separator for parsing string columns to numeric.  Note that
        this parameter is only necessary for columns stored as TEXT in Excel,
        any numeric columns will automatically be parsed, regardless of display
        format.
    keep_default_na : bool, default True
        If na_values are specified and keep_default_na is False the default NaN
        values are overridden, otherwise they're appended to.
    verbose : boolean, default False
        Indicate number of NA values placed in non-numeric columns
    engine: string, default None
        If io is not a buffer or path, this must be set to identify io.
        Acceptable values are None or xlrd
    convert_float : boolean, default True
        convert integral floats to int (i.e., 1.0 --> 1). If False, all numeric
        data will be read in as floats: Excel stores all numbers as floats
        internally
    has_index_names : boolean, default None
        DEPRECATED: for version 0.17+ index names will be automatically
        inferred based on index_col.  To read Excel output from 0.16.2 and
        prior that had saved index names, use True.

    Returns
    -------
    parsed : DataFrame or Dict of DataFrames
        DataFrame from the passed in Excel file.  See notes in sheetname
        argument for more information on when a Dict of Dataframes is returned.

7

แทนที่จะใช้ชื่อชีตในกรณีที่คุณไม่รู้หรือไม่สามารถเปิดไฟล์ excel เพื่อตรวจสอบในอูบุนตู (ในกรณีของฉันคือ Python 3.6.7, ubuntu 18.04) ฉันใช้พารามิเตอร์ index_col (index_col = 0 สำหรับ แผ่นแรก)

import pandas as pd
file_name = 'some_data_file.xlsx' 
df = pd.read_excel(file_name, index_col=0)
print(df.head()) # print the first 5 rows

2
คุณยังสามารถใช้sheet_name=0หรือตั้งชื่อแผ่นงานแทน 0 ได้
Plajerity

1
มันใช้งานได้จริง มันต้องการการพึ่งพา xlrd แม้ว่า (pip3.7.4.exe ติดตั้ง xlrd บน Windows)
แฮร์รี่

5

กำหนดชื่อไฟล์สเปรดชีตให้ file

โหลดสเปรดชีต

พิมพ์ชื่อแผ่นงาน

โหลดแผ่นงานลงใน DataFrame ตามชื่อ: df1

file = 'example.xlsx'
xl = pd.ExcelFile(file)
print(xl.sheet_names)
df1 = xl.parse('Sheet1')

2

หากคุณใช้read_excel()กับไฟล์ที่เปิดโดยใช้ฟังก์ชันopen()ตรวจสอบให้แน่ใจว่าได้เพิ่มลงrbในฟังก์ชันเปิดเพื่อหลีกเลี่ยงข้อผิดพลาดในการเข้ารหัส

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.