Python的pandas读取excel文件中的数据

见贤思齐

一、前言hello呀！各位铁子们大家好呀，我是一个在软件测试行业摸爬滚打十几年的老江湖了，今天呢来和大家聊一聊用Python的pandas读取excel文件中的数据。二、读取Excel文件使用pandas的read_excel()方法，可通过文件路径直接读取。注意到，在一个excel文件中有多个sheet，因此，对excel文件的读取实际上是读取指定文件、并同时指定sheet下的数据。可以一次读取一个sheet，也可以一次读取多个sheet，同时读取多个sheet时后续操作可能不够方便，因此建议一次性只读取一个sheet。当只读取一个sheet时，返回的是DataFrame类型，这是一种表格数据类型，它清晰地展示出了数据的表格型结构。具体写法为：(1)不指定sheet参数，默认读取第一个sheet，df=pd.read_excel("data_test.xlsx")(2)指定sheet名称读取，df=pd.read_excel("data_test.xlsx",sheet_name="test1")(3)指定sheet索引号读取，df=pd.read_excel("data_test.xlsx",sheet_name=0)#sheet索引号从0开始*同时读取多个sheet，以字典形式返回。（不推荐）(1)指定多个sheet名称读取，df=pd.read_excel("data_test.xlsx",sheet_name=["test1","test2"])(2)指定多个sheet索引号读取，df=pd.read_excel("data_test.xlsx",sheet_name=[0,1])(3)混合指定sheet名称和sheet索引号读取，df=pd.read_excel("data_test.xlsx",sheet_name=[0,"test2"])三、DataFrame对象的结构对内容的读取分有表头和无表头两种方式，默认情形下是有表头的方式，即将第一行元素自动置为表头标签，其余内容为数据；当在read_excel()方法中加上header=None参数时是不加表头的方式，即从第一行起，全部内容为数据。读取到的Excel数据均构造成并返回DataFrame表格类型(以下以df表示)。对有表头的方式，读取时将自动地将第一行元素置为表头向量，同时为除表头外的各行内容加入行索引（从0开始）、各列内容加入列索引（从0开始）。如图所示​对无表头的方式，读取时将自动地为各行内容加入行索引（从0开始）、为各列内容加入列索引（从0开始），行索引从第一行开始。如图所示​四、用values方式获取数据1.基本方法df.values，获取全部数据，返回类型为ndarray（二维）；df.index.values，获取行索引向量，返回类型为ndarray（一维）；df.columns.values，获取列索引向量（对有表头的方式，是表头标签向量），返回类型为ndarray（一维）。根据具体需要，通过ndarray的使用规则获取指定数据。数据获取的结构示意图如下所示。有表头无表头 2.获取指定数据的写法(1)获取全部数据：df.values，获取全部数据，返回类型为ndarray（二维）。(2)获取某个值：df.values[i,j]，第i行第j列的值，返回类型依内容而定。(3)获取某一行：df.values[i]，第i行数据，返回类型为ndarray（一维）。(4)获取多行：df.values[[i1,i2,i3]]，第i1、i2、i3行数据，返回类型为ndarray（二维）。(5)获取某一列：df.values[:,j]，第j列数据，返回类型为ndarray（一维）。(6)获取多列：df.values[:,[j1,j2,j3]]，第j1、j2、j3列数据，返回类型为ndarray（二维）。(7)获取切片：df.values[i1:i2,j1:j2]，返回行号[i1,i2)、列号[j1,j2)左闭右开区间内的数据，返回类型为ndarray（二维）。3.示例带表头，excel内容为Python脚本为`importpandasaspddf=pd.read_excel("data_test.xlsx")print("\n(1)全部数据：")print(df.values)print("\n(2)第2行第3列的值：")print(df.values[1,2])print("\n(3)第3行数据：")print(df.values[2])print("\n(4)获取第2、3行数据：")print(df.values[[1,2]])print("\n(5)第2列数据：")print(df.values[:,1])print("\n(6)第2、3列数据：")print(df.values[:,[1,2]])print("\n(7)第2至4行、第3至5列数据：")print(df.values[1:4,2:5])`执行结果​五、用loc和iloc方式获取数据1.基本写法loc和iloc方法是通过索引定位的方式获取数据的，写法为loc[A,B]和iloc[A,B]。其中A表示对行的索引，B表示对列的索引，B可缺省。A、B可为列表或i1:i2（切片）的形式，表示多行或多列。这两个方法的区别是，loc将参数当作标签处理，iloc将参数当作索引号处理。也就是说，在有表头的方式中，当列索引使用str标签时，只可用loc，当列索引使用索引号时，只可用iloc；在无表头的方式中，索引向量也是标签向量，loc和iloc均可使用；在切片中，loc是闭区间，iloc是半开区间。获取指定数据的写法：(1)获取全部数据：df.loc[:,:].values或df.iloc[:,:].values，返回类型为ndarray（二维）。(2)获取某个值：无表头df.loc[i,j]或df.iloc[i,j]，第i行第j列的值，返回类型依内容而定。有表头df.loc[i,"序号"]，第i行‘序号’列的值。或df.iloc[i,j]，第i行第j列的值。(3)获取某一行：df.loc[i].values或df.iloc[i].values，第i行数据，返回类型为ndarray（一维）。(4)获取多行：df.loc[[i1,i2,i3]].values，或df.iloc[[i1,i2,i3]].values，第i1、i2、i3行数据，返回类型为ndarray（二维）。(5)获取某一列：无表头df.loc[:,j].values或df.iloc[:,j].values，第j列数据，返回类型为ndarray（一维）。有表头df.loc[:,"姓名"].values，‘姓名’列数据，返回类型为ndarray（一维）。或df.iloc[:,j].values，第j列数据，返回类型为ndarray（一维）。(6)获取多列：无表头df.loc[:,[j1,j2]].values或df.iloc[:,[j1,j2]].values，第j1、j2列数据，返回类型为ndarray（二维）。有表头df.loc[:,["姓名","性别"]].values，‘姓名’、‘性别’列数据，返回类型为ndarray（二维）；df.iloc[:,[j1,j2]].values，第j1、j2列数据，返回类型为ndarray（二维）。(7)获取切片：无表头df.loc[i1:i2,j1:j2].values，返回行号[i1,i2]、列号[j1,j2]闭区间内的数据，返回类型为ndarray（二维）；df.iloc[i1:i2,j1:j2].values，返回行号[i1,i2)、列号[j1,j2)左闭右开区间内的数据，返回类型为ndarray（二维）。有表头df.loc[i1:i2,"序号":"姓名"].values，返回行号[i1,i2]、列号["序号","姓名"]闭区间的数据，返回类型为ndarray（二维）；df.iloc[i1:i2,j1:j2].values，返回行号[i1,i2)、列号[j1,j2)左闭右开区间内的数据，返回类型为ndarray（二维）。2.示例带表头，excel内容为Python脚本为`importpandasaspddf=pd.read_excel("data_test.xlsx")print("\n(1)全部数据：")print(df.iloc[:,:].values)print("\n(2)第2行第3列的值：")print(df.iloc[1,2])print("\n(3)第3行数据：")print(df.iloc[2].values)print("\n(4)第2列数据：")print(df.iloc[:,1].values)print("\n(5)第6行的姓名：")print(df.loc[5,"姓名"])print("\n(6)第2至3行、第3至4列数据：")print(df.iloc[1:3,2:4].values)`执行结果最后感谢每一个认真阅读我文章的人，礼尚往来总是要有的，虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走：​这些资料，对于【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴上万个测试工程师们走过最艰难的路程，希望也能帮助到你！