Bagaimana cara membaca file .xlsx menggunakan pandas Library di iPython?


104

Saya ingin membaca file .xlsx menggunakan Pandas Library of python dan mem-port datanya ke tabel postgreSQL.

Yang bisa saya lakukan sampai sekarang adalah:

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

Sekarang saya tahu bahwa langkah tersebut berhasil dijalankan, tetapi saya ingin tahu bagaimana saya dapat mengurai file excel yang telah dibaca sehingga saya dapat memahami bagaimana data di excel memetakan ke data dalam data variabel.
Saya belajar bahwa data adalah objek Dataframe jika saya tidak salah. Jadi Bagaimana cara mengurai objek dataframe ini untuk mengekstrak setiap baris baris demi baris.


8
df = pd.ExcelFile ('Nama File'). parse ('sheet 1'); lihat dokumen pandas.pydata.org/pandas-docs/dev/io.html#excel-files
Jeff

Jawaban:


164

Saya biasanya membuat kamus yang berisi DataFrameuntuk setiap lembar:

xl_file = pd.ExcelFile(file_name)

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

Pembaruan: Dalam pandas versi 0.21.0+ Anda akan mendapatkan perilaku ini lebih bersih dengan meneruskan sheet_name=Noneke read_excel:

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

Di 0.20 dan sebelumnya, ini sheetnamedaripada sheet_name(ini sekarang tidak digunakan lagi karena mendukung yang di atas):

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

Terima kasih Andy. Ini berhasil. Sekarang langkah saya selanjutnya dari sini adalah menulis ini ke dalam database postgreSQL. Perpustakaan apa yang terbaik untuk digunakan? SQLAlchemy?
Sabareesh Kappagantu

Hmmm jika Anda mengatakan mysql - saya akan tahu jawabannya , postgres mungkin berfungsi sama ... meskipun tidak 100%. (Akan menjadi pertanyaan yang bagus.)
Andy Hayden

Saya punya cara melakukannya. Saya menggunakan Sqlalchemy. Anda benar, ini sangat mirip dengan mysql. Ini melibatkan pembuatan mesin dan kemudian mengumpulkan metadata dan bermain-main dengan data. Terima kasih lagi Andy! :) Hargai bantuannya.
Sabareesh Kappagantu

1
pandas.DataFrame.to_sqlmungkin bisa membantu. Untuk membaca, Anda kemudian dapat menggunakan objek dp.pyPandas DataFrame yang dikembalikan.
Finn Årup Nielsen

Saya mencoba mencapai sesuatu yang serupa, tetapi dengan menggunakan 2 file excel xlsx untuk membuat satu kerangka data, saya bertanya-tanya apakah Anda dapat melihat dan membantu saya tentang cara melanjutkan tentang ini, saya meminta bantuan dengan membuat pertanyaan lain stackoverflow.com / pertanyaan / 16888888 /… @AndyHayden
Deepak M

25
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_excelMetode DataFrame seperti read_csvmetode:

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

Alih-alih menggunakan nama sheet, jika Anda tidak tahu atau tidak dapat membuka file excel untuk diperiksa di ubuntu (dalam kasus saya, Python 3.6.7, ubuntu 18.04), saya menggunakan parameter index_col (index_col = 0 untuk lembar pertama)

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

1
Anda juga dapat menggunakan sheet_name=0atau menamai sheet sebagai ganti 0.
Plajerity

1
Benar itu berhasil. Ini membutuhkan ketergantungan xlrd sekalipun. (pip3.7.4.exe menginstal xlrd pada Windows)
Harry

5

Tetapkan nama file spreadsheet ke file

Muat spreadsheet

Cetak nama lembar

Muat sheet ke dalam DataFrame dengan nama: df1

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

2

Jika Anda menggunakan read_excel()pada file yang dibuka menggunakan fungsi tersebut open(), pastikan untuk menambahkan rbke fungsi buka untuk menghindari kesalahan pengkodean

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.