一、讀取Excel檔案
??使用pandas的read_excel()方法，可通過檔案路徑直接讀取，注意到，在一個excel檔案中有多個sheet，因此，對excel檔案的讀取實際上是讀取指定檔案、并同時指定sheet下的資料，可以一次讀取一個sheet，也可以一次讀取多個sheet，同時讀取多個sheet時后續操作可能不夠方便，因此建議一次性只讀取一個sheet，
??當只讀取一個sheet時，回傳的是DataFrame型別，這是一種表格資料型別，它清晰地展示出了資料的表格型結構，具體寫法為：
(1)不指定sheet引數，默認讀取第一個sheet，
?df=pd.read_excel("data_test.xlsx")
(2)指定sheet名稱讀取，
?df=pd.read_excel("data_test.xlsx",sheet_name="test1")
(3)指定sheet索引號讀取，
?df=pd.read_excel("data_test.xlsx",sheet_name=0) #sheet索引號從0開始
*同時讀取多個sheet，以字典形式回傳，（不推薦）
(1)指定多個sheet名稱讀取， df=pd.read_excel("data_test.xlsx",sheet_name=["test1","test2"])
(2)指定多個sheet索引號讀取，
df=pd.read_excel("data_test.xlsx",sheet_name=[0,1])
(3)混合指定sheet名稱和sheet索引號讀取，
df=pd.read_excel("data_test.xlsx",sheet_name=[0,"test2"])
二、DataFrame物件的結構
??對內容的讀取分有表頭和無表頭兩種方式，默認情形下是有表頭的方式，即將第一行元素自動置為表頭標簽，其余內容為資料；當在read_excel()方法中加上header=None引數時是不加表頭的方式，即從第一行起，全部內容為資料，讀取到的Excel資料均構造成并回傳DataFrame表格型別(以下以df表示)，
??對有表頭的方式，讀取時將自動地將第一行元素置為表頭向量，同時為除表頭外的各行內容加入行索引（從0開始）、各列內容加入列索引（從0開始），如圖所示
??對無表頭的方式，讀取時將自動地為各行內容加入行索引（從0開始）、為各列內容加入列索引（從0開始），行索引從第一行開始，如圖所示
三、用values方式獲取資料
1.基本方法
df.values，獲取全部資料，回傳型別為ndarray（二維）；
df.index.values，獲取行索引向量，回傳型別為ndarray（一維）；
df.columns.values，獲取列索引向量（對有表頭的方式，是表頭標簽向量），回傳型別為ndarray（一維），
??根據具體需要，通過ndarray的使用規則獲取指定資料，資料獲取的結構示意圖如下所示，
有表頭
無表頭
2.獲取指定資料的寫法
(1)獲取全部資料：
df.values，獲取全部資料，回傳型別為ndarray（二維），
(2)獲取某個值：
df.values[i , j]，第i行第j列的值，回傳型別依內容而定，
(3)獲取某一行：
df.values[i]，第i行資料，回傳型別為ndarray（一維），
(4)獲取多行：
df.values[[i1 , i2 , i3]]，第i1、i2、i3行資料，回傳型別為ndarray（二維），
(5)獲取某一列：
df.values[: , j]，第j列資料，回傳型別為ndarray（一維），
(6)獲取多列：
df.values[:,[j1,j2,j3]]，第j1、j2、j3列資料，回傳型別為ndarray（二維），
(7)獲取切片：
df.values[i1:i2 , j1:j2]，回傳行號[i1,i2)、列號[j1,j2)左閉右開區間內的資料，回傳型別為ndarray（二維），
3.示例
帶表頭，excel內容為
Python腳本為
`import pandas as pd
df = pd.read_excel("data_test.xlsx")
print("\n(1)全部資料：")
print(df.values)
print("\n(2)第2行第3列的值：")
print(df.values[1,2])
print("\n(3)第3行資料：")
print(df.values[2])
print("\n(4)獲取第2、3行資料：")
print(df.values[[1,2]])
print("\n(5)第2列資料：")
print(df.values[:,1])
print("\n(6)第2、3列資料：")
print(df.values[:,[1,2]])
print("\n(7)第2至4行、第3至5列資料：")
print(df.values[1:4,2:5])
`
執行結果
四、用loc和iloc方式獲取資料
1.基本寫法
??loc和iloc方法是通過索引定位的方式獲取資料的，寫法為loc[A, B]和iloc[A, B]，其中A表示對行的索引，B表示對列的索引，B可預設，A、B可為串列或i1:i2（切片）的形式，表示多行或多列，
??這兩個方法的區別是，loc將引數當作標簽處理，iloc將引數當作索引號處理，也就是說，在有表頭的方式中，當列索引使用str標簽時，只可用loc，當列索引使用索引號時，只可用iloc；在無表頭的方式中，索引向量也是標簽向量，loc和iloc均可使用；在切片中，loc是閉區間，iloc是半開區間，
獲取指定資料的寫法：
(1)獲取全部資料：
df.loc[: , :].values
或
df.iloc[: , :].values，回傳型別為ndarray（二維），
(2)獲取某個值：
無表頭
df.loc[i, j]
或
df.iloc[i, j]，第i行第j列的值，回傳型別依內容而定，
有表頭
df.loc[i, "序號"]，第i行‘序號’列的值，
或
df.iloc[i, j]，第i行第j列的值，
(3)獲取某一行：
df.loc[i].values
或
df.iloc[i].values，第i行資料，回傳型別為ndarray（一維），
(4)獲取多行：
df.loc[[i1, i2, i3]].values，
或
df.iloc[[i1, i2, i3]].values，第i1、i2、i3行資料，回傳型別為ndarray（二維），
(5)獲取某一列：
無表頭
df.loc[:, j].values
或
df.iloc[:, j].values，第j列資料，回傳型別為ndarray（一維），
有表頭
df.loc[:,"姓名"].values，‘姓名’列資料，回傳型別為ndarray（一維），
或
df.iloc[:, j].values，第j列資料，回傳型別為ndarray（一維），
(6)獲取多列：
無表頭
df.loc[:, [j1 , j2]].values
或
df.iloc[:, [j1 , j2]].values，第j1、j2列資料，回傳型別為ndarray（二維），
有表頭
df.loc[:, ["姓名","性別"]].values，‘姓名’、‘性別’列資料，回傳型別為ndarray（二維）；
df.iloc[:, [j1 , j2]].values，第j1、j2列資料，回傳型別為ndarray（二維），
(7)獲取切片：
無表頭
df.loc[i1:i2, j1:j2].values，回傳行號[i1,i2]、列號[j1,j2]閉區間內的資料，回傳型別為ndarray（二維）；
df.iloc[i1:i2, j1:j2].values，回傳行號[i1,i2)、列號[j1,j2)左閉右開區間內的資料，回傳型別為ndarray（二維），
有表頭
df.loc[i1:i2, "序號":"姓名"].values，回傳行號[i1,i2]、列號["序號","姓名"]閉區間的資料，回傳型別為ndarray（二維）；
df.iloc[i1:i2, j1:j2].values，回傳行號[i1,i2)、列號[j1,j2)左閉右開區間內的資料，回傳型別為ndarray（二維），
2.示例
帶表頭，excel內容為
Python腳本為
`import pandas as pd
df = pd.read_excel("data_test.xlsx")
print("\n(1)全部資料：")
print(df.iloc[:,:].values)
print("\n(2)第2行第3列的值：")
print(df.iloc[1,2])
print("\n(3)第3行資料：")
print(df.iloc[2].values)
print("\n(4)第2列資料：")
print(df.iloc[:,1].values)
print("\n(5)第6行的姓名：")
print(df.loc[5,"姓名"])
print("\n(6)第2至3行、第3至4列資料：")
print(df.iloc[1:3,2:4].values)`
執行結果
End.
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/300127.html
標籤：其他
上一篇：中國移動基于 Kubernetes 的物聯網邊緣計算應用實踐
下一篇：分享一則Linux系統郵件提示 /usr/local/lib/libprocesshider.so ＞ /etc/ld.so.preload 的中病毒解決方法