作者 | 黃偉呢

來源 | 數據分析與統計學之美

我覺得很有必要講述這個文章，進行數據處理的第一步就是Python數據讀取。但是你可能沒想到，在進行數據讀取的同時，我們其實可以配合相關參數做很多事兒，這對于後續的數據處理都是極其有幫助。

read_excel函數和read_csv函數，在參數上面有很多相同點，因此我就以read_excel函數為例，進行詳細的說明。

• 含義：選擇要讀取的sheet表；

• sheet_name=0表示默認讀取第一個sheet表，等同于sheet_name=“sheet名稱”；

• sheet_name=[“sheet名”，0]會返回一個字典，然後可以利用鍵獲取每一個sheet表中的數據；

• sheet_name=None也會返回一個字典，但是會返回全部的sheet表；

① sheet_name=0和sheet_name="Sheet1"

# 下面這兩個讀取方式等同。

② sheet_name=[“sheet名”，0]

df2 = pd.read_excel("readexcel.xlsx",sheet_name=[0,1])

df2

結果如下：

接着，我們可以使用鍵值對的方式，獲取每個sheet表中的數據。

注：關于sheet_name=None效果同上，隻不過會返回所有的sheet表中的數據。

2）header參數

• 含義：指定某一行作為表頭；

• header=None專門針對沒有表頭的表，這也是默認值；

• header=1指定第一行作為表頭；

• header=主要針對複合表頭的情況；

① header=None

df3 = pd.read_excel("header.xlsx",header=None)

df3

結果如下：

② header=1

df3 = pd.read_excel("header.xlsx",sheet_name=2,header=1)

df3

結果如下：

③ header=

df3 = pd.read_excel("header.xlsx",sheet_name=3,header=[0,1],index_col=0)

df3

結果如下：

注意：上述用到了一個index_col參數，這個參數用于指定作為行索引的列，我就不詳細舉例了，看看下圖。

3）usecols參數

• 含義：選擇讀取一張表中的指定列；

• usecols=None也是默認情況，表示讀取所有列；

• usecols=[A,C]表示隻選取A列和C列。usecols=[A,C:E]表示選擇A列，C列、D列和E列；

• usecols=[0,2]表示隻選擇第一列和第三列；

• usecols=["列名1","列名2"...]這也是推薦使用的一種寫法；

① usecols=None

df4 = pd.read_excel("usecols.xlsx",usecols=None) # 默認

df4

結果如下：

② usecols=[A,C]

df4 = pd.read_excel("usecols.xlsx",usecols="A,C")

df4

結果如下：

③ usecols=[A,C:D]

df4 = pd.read_excel("usecols.xlsx",usecols="A,C:D")

df4

結果如下：

④ usecols=[0,2]

df4 = pd.read_excel("usecols.xlsx",usecols=[0,2])

df4

結果如下：

⑤ usecols=["列名1","列名2"...]

這種方式照說是沒有任何問題的，但是在我這邊運行總是無結果，我很納悶，大家可以下去試試。

4）names參數

• 含義：如果表中沒有表頭，可以用這個參數添加一個标題。如果表中有表頭，可以用這個參數修改标題。

names = ["月份","語文","英語"]

df6 = pd.read_excel("names.xlsx",header=None,names=names)

df6

結果如下：

5）dtype參數

• 含義：讀取數據時，設置每一列的數據類型（重要）；

• dtype={}傳入一個字典，類似于{"列名":"類型"}；

df7 = pd.read_excel("dtype.xlsx")

df7.dtypes

------------------------------------------------------

df7 = pd.read_excel("dtype.xlsx",dtype={"年齡":"str"})

df7.dtypes

結果如下：

6）parse_dates參數

• 含義：指定将哪些列，解析為日期格式；

• parse_dates=True是專門用于将行索引，解析為日期格式；

• parse_dates=[0,1,2,3,4]和parse_dates=["列名1","列名2","列名3","列名4"]，都是将指定列一起解析為日期格式；

• parse_dates=[[1,2,3]]和parse_dates=[["年","月","日"]]，都是将多個列，解析為單個日期列；

• parse_dates={"日期":[1,2,3]}不僅将多個日期列解析為單個日期列，同時還為這一列命名；

① parse_dates=True

df8 = pd.read_excel("parse_dates",index_col=2,parse_dates=True)

df8.index

結果如下：

② parse_dates=[0,1]和parse_dates=["列名1","列名2"]

df8 = pd.read_excel("parse_dates",parse_dates=[0,1,2,3,4])

df8.dtypes

# 這個代碼效果同上

df8 = pd.read_excel("parse_dates.xlsx",

parse_dates=["數值日期1","文本日期2","文本日期3","文本日期4","文本日期5"])

結果如下：

③ parse_dates=[[1,2,3]]和parse_dates=[["年","月","日"]]

#df8 = pd.read_excel("parse_dates.xlsx",sheet_name="Sheet2",parse_dates=[["年","月","日"]])

df8 = pd.read_excel("parse_dates.xlsx",sheet_name="Sheet2",parse_dates=[[1,2,3]])

df8

結果如下：

④ parse_dates={"日期":[1,2,3]}

df8 = pd.read_excel("parse_dates.xlsx",sheet_name="Sheet2",parse_dates={"日期":[1,2,3]})

df8

結果如下：

7）date_parser參數

• 含義：利用lambda函數，将某個字符串列，解析為日期格式；

• 一般是配合parse_dates參數，一起使用；

df9 = pd.read_excel("date_parser.xlsx",parse_dates=[1],

date_parser=lambda x: pd.to_datetime(x,format="%Y年%m月%d"))

print(df9.dtypes)

df9

結果如下：

8）na_values參數

• 含義：用于将某些特定的值，解析為NaN值，然後便于我們後面做缺失值的處理；

• na_values=”值1“表示将所有數據中值1全部替換為NaN；

• na_values=[”值1“,"值2"]表示将所有數據中值1、值2全部替換為NaN；

• na_values={"列1":[”值1“,"值2"]}表示将第一列中所有的值1、值2全部替換為NaN；

① na_values=”值1“

df10 = pd.read_excel("na_values.xlsx",na_values=" ")

df10

結果如下：

② na_values=[”值1“,"值2"]

df10 = pd.read_excel("na_values.xlsx",na_values=["a","0"])

df10

結果如下：

③ na_values={"列1":[”值1“,"值2"]}

# 隻替換某一列中的某些值為NaN

df10 = pd.read_excel("na_values.xlsx",na_values={"列2":["0"," "]})

df10

結果如下：

9）converters參數

• 含義：對某一列使用Lambda函數，進行某種運算；

• 例如：converters={"工資":lambda x: x 1000}；

df11 = pd.read_excel("converters.xlsx",

converters={"地址":lambda x: "中國" x,"工資":lambda x: x 1000})

df11

結果如下：

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!