Python - обработка данных XLS

Microsoft Excel - очень широко используемая программа для работы с электронными таблицами. Его удобство для пользователя и привлекательные функции делают его очень часто используемым инструментом в Data Science. Библиотека Panadas предоставляет функции, с помощью которых мы можем читать файл Excel полностью, а также по частям только для выбранной группы данных. Мы также можем прочитать файл Excel с несколькими листами в нем. Мы используемread_excel функция для чтения данных из него.

Ввести как файл Excel

Создаем файл excel с несколькими листами в ОС Windows. Данные на разных листах показаны ниже.

Вы можете создать этот файл с помощью программы Excel в ОС Windows. Сохраните файл какinput.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

Чтение файла Excel

В read_excelФункция библиотеки pandas используется для чтения содержимого файла Excel в среду Python как pandas DataFrame. Функция может читать файлы из ОС, используя правильный путь к файлу. По умолчанию функция будет читать Sheet1.

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

Когда мы выполняем приведенный выше код, он дает следующий результат. Обратите внимание, как функция создала дополнительный столбец, начинающийся с нуля в качестве индекса.

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

Чтение определенных столбцов и строк

Подобно тому, что мы уже видели в предыдущей главе, чтобы прочитать файл CSV, read_excelФункция библиотеки pandas также может использоваться для чтения некоторых определенных столбцов и определенных строк. Мы используем метод многоосной индексации, называемый.loc()для этого. Мы решили отображать столбцы зарплаты и имени для некоторых строк.

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']])

Когда мы выполняем приведенный выше код, он дает следующий результат.

salary   name
1   515.2    Dan
3   729.0   Ryan
5   578.0  Rasmi

Чтение нескольких листов Excel

Несколько листов с разными форматами данных также можно прочитать с помощью функции read_excel с помощью класса-оболочки с именем ExcelFile. Он прочитает несколько листов в память только один раз. В приведенном ниже примере мы считываем лист1 и лист2 в два фрейма данных и распечатываем их по отдельности.

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'])

Когда мы выполняем приведенный выше код, он дает следующий результат.

****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