Python - กำลังประมวลผลข้อมูล XLS

Microsoft Excel เป็นโปรแกรมสเปรดชีทที่ใช้กันอย่างแพร่หลาย ความเป็นมิตรต่อผู้ใช้และคุณสมบัติที่น่าสนใจทำให้เป็นเครื่องมือที่ใช้บ่อยมากใน Data Science ไลบรารี Panadas มีคุณลักษณะที่ใช้ซึ่งเราสามารถอ่านไฟล์ Excel ได้เต็มรูปแบบและบางส่วนสำหรับกลุ่มข้อมูลที่เลือกเท่านั้น นอกจากนี้เรายังสามารถอ่านไฟล์ Excel ที่มีหลายชีตอยู่ในนั้น เราใช้ไฟล์read_excel ฟังก์ชั่นอ่านข้อมูลจากมัน

ป้อนเป็นไฟล์ Excel

เราสร้างไฟล์ excel ที่มีหลายแผ่นใน windows OS ข้อมูลในแผ่นงานต่างๆมีดังที่แสดงด้านล่าง

คุณสามารถสร้างไฟล์นี้โดยใช้โปรแกรม Excel ใน windows OS บันทึกไฟล์เป็นinput.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

การอ่านไฟล์ Excel

read_excelฟังก์ชันของไลบรารีแพนด้าใช้อ่านเนื้อหาของไฟล์ Excel ในสภาพแวดล้อม python เป็น DataFrame ของแพนด้า ฟังก์ชันนี้สามารถอ่านไฟล์จากระบบปฏิบัติการได้โดยใช้เส้นทางที่เหมาะสมไปยังไฟล์ โดยค่าเริ่มต้นฟังก์ชันจะอ่าน Sheet1

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

เมื่อเรารันโค้ดด้านบนจะให้ผลลัพธ์ดังต่อไปนี้ โปรดสังเกตว่าคอลัมน์เพิ่มเติมที่เริ่มต้นด้วยศูนย์เป็นดัชนีถูกสร้างโดยฟังก์ชันอย่างไร

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

การอ่านคอลัมน์และแถวเฉพาะ

คล้ายกับที่เราได้เห็นไปแล้วในบทก่อนหน้าในการอ่านไฟล์ CSV ไฟล์ read_excelนอกจากนี้ยังสามารถใช้ฟังก์ชันของไลบรารีแพนด้าเพื่ออ่านคอลัมน์เฉพาะและแถวที่ระบุได้ เราใช้วิธีการสร้างดัชนีหลายแกนที่เรียกว่า.loc()เพื่อจุดประสงค์นี้. เราเลือกที่จะแสดงคอลัมน์เงินเดือนและชื่อสำหรับบางแถว

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']])

เมื่อเรารันโค้ดด้านบนจะให้ผลลัพธ์ดังต่อไปนี้

salary   name
1   515.2    Dan
3   729.0   Ryan
5   578.0  Rasmi

การอ่านแผ่นงาน Excel หลายแผ่น

นอกจากนี้ยังสามารถอ่านแผ่นงานหลายแผ่นที่มีรูปแบบข้อมูลที่แตกต่างกันได้โดยใช้ฟังก์ชัน read_excel ด้วยความช่วยเหลือของคลาส wrapper ที่มีชื่อว่า ExcelFile. มันจะอ่านหลายแผ่นลงในหน่วยความจำเพียงครั้งเดียว ในตัวอย่างด้านล่างเราอ่าน sheet1 และ sheet2 เป็นสองเฟรมข้อมูลและพิมพ์ออกมาทีละเฟรม

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'])

เมื่อเรารันโค้ดด้านบนจะให้ผลลัพธ์ดังต่อไปนี้

****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