İPython'daki Pandas Kitaplığı'nı kullanarak bir .xlsx dosyası nasıl okunur?


110

Python Pandas Kitaplığını kullanarak bir .xlsx dosyası okumak ve verileri bir postgreSQL tablosuna taşımak istiyorum.

Şimdiye kadar yapabileceğim tek şey:

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

Artık adımın başarılı bir şekilde yürütüldüğünü biliyorum, ancak excel'deki verilerin değişken verilerdeki verilerle nasıl eşleştiğini anlayabilmek için okunan excel dosyasını nasıl ayrıştırabileceğimi bilmek istiyorum.
Yanılmıyorsam verilerin bir Dataframe nesnesi olduğunu öğrendim. Öyleyse, her satırı satır satır ayıklamak için bu veri çerçevesi nesnesini nasıl ayrıştırırım?


8
df = pd.ExcelFile ('Dosya Adı'). parse ('sayfa 1'); docs pandas.pydata.org/pandas-docs/dev/io.html#excel-files
Jeff

Yanıtlar:


171

Genellikle DataFrameher sayfa için a içeren bir sözlük oluştururum :

xl_file = pd.ExcelFile(file_name)

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

Güncelleme: In sürümünü 0.21.0+ size ileterek daha temiz bu davranışı alacak pandas sheet_name=Noneiçin read_excel:

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

0.20 ve öncesinde, bunun sheetnameyerine sheet_name(bu artık yukarıdakilerin lehine kullanımdan kaldırılmıştır):

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

Teşekkürler Andy. Bu işe yaradı. Şimdi buradan sonraki adımım bunu bir postgreSQL veritabanına yazmak. Kullanılacak en iyi kütüphane hangisidir? SQLAlchemy?
Sabareesh Kappagantu

Dediğin eğer Hmmm MySQL - Yanıtı bilirdim , postgres olabilir değil sadece% 100 olsa ... benzer şekilde çalışır. (Bu iyi bir soru olur.)
Andy Hayden

Nasıl yapacağımı anladım. Sqlalchemy kullandım. Haklıydın, mysql'e oldukça benziyor. Bir motor oluşturmayı ve ardından meta verileri toplamayı ve verilerle oynamayı içeriyordu. Tekrar teşekkürler Andy! :) Yardım için minnettarım.
Sabareesh Kappagantu

1
pandas.DataFrame.to_sqlyardımcı olabilir. Okumak için daha sonra dp.pyhangi dönen Pandas DataFrame nesnelerini kullanabilirsiniz.
Finn Årup Nielsen

Benzer bir şey elde etmeye çalışıyorum, ancak bir veri çerçevesi yapmak için 2 xlsx excel dosyası kullanarak bir göz atıp bu konuda bana nasıl yardımcı olabileceğinizi merak ediyorum, başka bir soru oluşturarak yardım istedim stackoverflow.com / sorular / 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

DataFrame'in read_excelyöntemi, read_csvyöntem gibidir:

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

Bir sayfa adı kullanmak yerine, ubuntu'da kontrol etmek için excel dosyasını bilmiyorsanız veya açamıyorsanız (benim durumumda, Python 3.6.7, ubuntu 18.04), index_col parametresini (index_col = 0 için ilk sayfa)

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
sheet_name=0Sayfayı 0 yerine de kullanabilir veya adlandırabilirsiniz.
Plajerity

1
Doğru çalışıyor. Yine de xlrd bağımlılığına ihtiyacı var. (pip3.7.4.exe xlrd'yi Windows'a yükleyin)
Harry

5

E-tablo dosya adını atayın file

Elektronik tablo yükle

Sayfa adlarını yazdırın

DataFrame'e bir sayfayı ada göre yükleyin: df1

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

2

Eğer kullanırsanız read_excel()fonksiyonu kullanılarak açılmış bir dosya üzerinde open(), eklemek emin olun rbhataları kodlama önlemek için açık fonksiyona

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.