Python - przetwarzanie danych XLS

Microsoft Excel to bardzo szeroko stosowany program do arkuszy kalkulacyjnych. Jego przyjazność dla użytkownika i atrakcyjne funkcje sprawiają, że jest to bardzo często używane narzędzie w Data Science. Biblioteka Panadas udostępnia funkcje, za pomocą których możemy odczytać plik Excela w całości lub w częściach tylko dla wybranej grupy danych. Możemy również odczytać plik Excela z wieloma arkuszami. Używamyread_excel funkcja, aby odczytać z niego dane.

Wprowadź jako plik Excel

Tworzymy plik Excela z wieloma arkuszami w systemie operacyjnym Windows. Dane w różnych arkuszach są pokazane poniżej.

Możesz utworzyć ten plik za pomocą programu Excel w systemie operacyjnym Windows. Zapisz plik jakoinput.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

Czytanie pliku Excel

Plik read_excelFunkcja biblioteki pandas służy do wczytywania zawartości pliku Excela do środowiska Pythona jako pandy DataFrame. Funkcja może odczytać pliki z systemu operacyjnego, używając odpowiedniej ścieżki do pliku. Domyślnie funkcja odczyta Sheet1.

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

Kiedy wykonujemy powyższy kod, daje on następujący wynik. Zwróć uwagę, jak funkcja utworzyła dodatkową kolumnę zaczynającą się od zera jako indeksu.

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

Czytanie określonych kolumn i wierszy

Podobnie do tego, co widzieliśmy już w poprzednim rozdziale, aby przeczytać plik CSV, rozszerzenie read_excelFunkcja biblioteki pand może być również używana do odczytywania określonych kolumn i określonych wierszy. Korzystamy z wieloosiowej metody indeksowania o nazwie.loc()w tym celu. W niektórych wierszach wybieramy wyświetlanie kolumny wynagrodzenia i nazwiska.

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']])

Kiedy wykonujemy powyższy kod, daje on następujący wynik.

salary   name
1   515.2    Dan
3   729.0   Ryan
5   578.0  Rasmi

Czytanie wielu arkuszy Excela

Wiele arkuszy z różnymi formatami danych można również odczytać za pomocą funkcji read_excel z pomocą klasy opakowania o nazwie ExcelFile. Wczyta wiele arkuszy do pamięci tylko raz. W poniższym przykładzie odczytujemy arkusz1 i arkusz2 w dwóch ramkach danych i drukujemy je indywidualnie.

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'])

Kiedy wykonujemy powyższy kod, daje on następujący wynik.

****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