Python-XLSデータの処理

Microsoft Excelは、非常に広く使用されているスプレッドシートプログラムです。その使いやすさと魅力的な機能により、データサイエンスで非常に頻繁に使用されるツールになっています。Panadasライブラリは、選択したデータグループのみのExcelファイルを完全に、または部分的に読み取ることができる機能を提供します。複数のシートが含まれているExcelファイルを読み取ることもできます。私たちは使用しますread_excel そこからデータを読み取る関数。

Excelファイルとして入力

WindowsOSで複数のシートを含むExcelファイルを作成します。異なるシートのデータは以下のとおりです。

このファイルは、WindowsOSのExcelプログラムを使用して作成できます。ファイルを名前を付けて保存input.xlsx

# Data in Sheet1

id,name,salary,start_date,dept
1,Rick,623.3,2012-01-01,IT
2,Dan,515.2,2013-09-23,Operations
3,Tusar,611,2014-11-15,IT
4,Ryan,729,2014-05-11,HR
5,Gary,843.25,2015-03-27,Finance
6,Rasmi,578,2013-05-21,IT
7,Pranab,632.8,2013-07-30,Operations
8,Guru,722.5,2014-06-17,Finance

# Data in Sheet2

id	name	zipcode
1	Rick	301224
2	Dan	341255
3	Tusar	297704
4	Ryan	216650
5	Gary	438700
6	Rasmi	665100
7	Pranab	341211
8	Guru	347480

Excelファイルを読む

ザ・ read_excelpandasライブラリの関数を使用して、ExcelファイルのコンテンツをpandasDataFrameとしてPython環境に読み込みます。この関数は、ファイルへの適切なパスを使用して、OSからファイルを読み取ることができます。デフォルトでは、関数はSheet1を読み取ります。

import pandas as pd
data = pd.read_excel('path/input.xlsx')
print (data)

上記のコードを実行すると、次のような結果になります。関数によって、インデックスとしてゼロで始まる追加の列がどのように作成されたかに注意してください。

id    name  salary  start_date        dept
0   1    Rick  623.30  2012-01-01          IT
1   2     Dan  515.20  2013-09-23  Operations
2   3   Tusar  611.00  2014-11-15          IT
3   4    Ryan  729.00  2014-05-11          HR
4   5    Gary  843.25  2015-03-27     Finance
5   6   Rasmi  578.00  2013-05-21          IT
6   7  Pranab  632.80  2013-07-30  Operations
7   8    Guru  722.50  2014-06-17     Finance

特定の列と行の読み取り

前の章でCSVファイルを読み取るためにすでに見たものと同様に、 read_excelpandasライブラリの関数を使用して、特定の列と特定の行を読み取ることもできます。と呼ばれる多軸インデックス付け方法を使用します.loc()この目的のために。一部の行の給与と名前の列を表示することを選択します。

import pandas as pd
data = pd.read_excel('path/input.xlsx')

# Use the multi-axes indexing funtion
print (data.loc[[1,3,5],['salary','name']])

上記のコードを実行すると、次のような結果になります。

salary   name
1   515.2    Dan
3   729.0   Ryan
5   578.0  Rasmi

複数のExcelシートを読む

異なるデータ形式の複数のシートは、名前付きのラッパークラスを使用してread_excel関数を使用して読み取ることもできます。 ExcelFile。複数のシートを一度だけメモリに読み込みます。以下の例では、sheet1とsheet2を2つのデータフレームに読み込み、個別に印刷します。

import pandas as pd
with pd.ExcelFile('C:/Users/Rasmi/Documents/pydatasci/input.xlsx') as xls:
    df1 = pd.read_excel(xls, 'Sheet1')
    df2 = pd.read_excel(xls, 'Sheet2')

print("****Result Sheet 1****")
print (df1[0:5]['salary'])
print("")
print("***Result Sheet 2****")
print (df2[0:5]['zipcode'])

上記のコードを実行すると、次のような結果になります。

****Result Sheet 1****
0    623.30
1    515.20
2    611.00
3    729.00
4    843.25
Name: salary, dtype: float64

***Result Sheet 2****
0    301224
1    341255
2    297704
3    216650
4    438700
Name: zipcode, dtype: int64