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 347480Excel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