Excel文件以及csv文件的载入与存储

1. Excel文件的载入:pd.read_excel()

pandas.read_excel(io, sheet_name=0, header=0, names=None, 
                  index_col=None, usecols=None, squeeze=False, dtype=None, 
                  engine=None, converters=None, true_values=None, false_values=None, 
                  skiprows=None, nrows=None, na_values=None, parse_dates=False, 
                  date_parser=None, thousands=None, comment=None, skipfooter=0, 
                  convert_float=True, **kwds)
  • io:读取文件的目录,比如'excel_name.xlsx'
  • sheet_name:指定读取文件的哪个sheet
    • 默认值为0,表示读取文件的第一个sheet
    • 1,表示读取文件的第二个sheet
    • 'Sheet1',表示读取名为Sheet1的sheet
    • [0,1,'Sheet5'],表示读取文件的第一个、第二个以及名为Sheet5的 sheet
    • None,表示读取所有sheet
  • header
    • 默认值为0,表示将第一行作为列名
    • None,表示源数据没有标题
  • names
    • 默认值为None,但是当你的源数据没有标题时(header =None),你可以使用此参数设定列名
  • index_col
    • 指定某列为索引,默认值为None
  • usecols
    • 指定读取哪些列,默认为None,表示读取所有列
    • [0,1,2],表示读取一、二、三 列
    • ['column_name1','column_name2'],表示读取列名为column_name1、column_name2的列

2. Excel文件的存储:Dataframe.to_excel()

DataFrame.to_excel(excel_writer, sheet_name='Sheet1', na_rep='', 
                           float_format=None, columns=None, header=True, 
                           index=True, index_label=None, startrow=0, startcol=0, 
                           engine=None, merge_cells=True, encoding=None, 
                           inf_rep='inf', verbose=True, freeze_panes=None)

  • excel_writer
    • 表示存放的路径,举例:df.to_excel('excel_name.xlsx')
  • Sheet_name
    • 表示存放在哪个sheet里,默认Sheet1
  • na_rep
    -表示将缺失值导出为何值,默认空白即 ' '
  • columns
    • 表示选择将哪些列存至Excel文件中去
  • header
    • 指定作为列名的行,默认为0,即第一行为列名,若数据没有列名,则为None
  • index
    • 表示是否将索引输出到Excel文件中去,默认为True,False表示不输出
  • index_label
    • 索引的列名,默认为None

3. csv文件的载入:pd.read_csv()

pandas.read_csv(filepath_or_buffer, sep=', ', delimiter=None, 
                            header='infer', names=None, index_col=None, 
                            usecols=None, squeeze=False, prefix=None, 
                            mangle_dupe_cols=True, dtype=None, engine=None, 
                            converters=None, true_values=None, 
                            false_values=None, skipinitialspace=False, 
                            skiprows=None, nrows=None, na_values=None, 
                            keep_default_na=True, na_filter=True, verbose=False, 
                            skip_blank_lines=True, parse_dates=False, 
                            infer_datetime_format=False, keep_date_col=False, 
                            date_parser=None, dayfirst=False, iterator=False, 
                            chunksize=None, compression='infer', 
                            thousands=None, decimal=b'.', lineterminator=None, 
                            quotechar='"', quoting=0, escapechar=None, 
                            comment=None, encoding=None, dialect=None, 
                            tupleize_cols=None, error_bad_lines=True, 
                            warn_bad_lines=True, skipfooter=0, doublequote=True, 
                            delim_whitespace=False, low_memory=True, 
                             memory_map=False, float_precision=None)

  • filepath_or_buffer
    • 读取文件的目录
  • sep
    • 指定分隔符号,默认使用逗号进行分隔
  • header
  • names
  • index_col
  • usecols

4. csv文件的存储

DataFrame.to_csv(path_or_buf=None, sep=', ', na_rep='', 
                              float_format=None, columns=None, header=True, 
                              index=True, index_label=None, mode='w', 
                              encoding=None, compression=None, quoting=None, 
                              quotechar='"', line_terminator='\n', chunksize=None, 
                              tupleize_cols=None, date_format=None, 
                              doublequote=True, escapechar=None, decimal='.'
  • path_or_buf
    • 存储目录
  • sep
  • na_rep
  • columns
  • header
  • index
  • index_label
  • encoding
    • 编码方式,python3默认utf-8
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,386评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,142评论 3 394
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,704评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,702评论 1 294
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,716评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,573评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,314评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,230评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,680评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,873评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,991评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,706评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,329评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,910评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,038评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,158评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,941评论 2 355

推荐阅读更多精彩内容

  • 转自链接 2.3.5 IF函数 2.3.6 CountIf和SumIf函数 2.3.7 Lookup函数 2.3....
    腿毛裤阅读 12,882评论 0 0
  • 转自链接 目录 1.认识NPOI 2.使用NPOI生成xls文件 2.1创建基本内容 2.1.1创建Workboo...
    腿毛裤阅读 10,557评论 1 3
  • 该文章为转载文章,作者简介:汪剑,现在在出门问问负责推荐与个性化。曾在微软雅虎工作,从事过搜索和推荐相关工作。 T...
    名字真的不重要阅读 5,266评论 0 3
  • 使用首先需要了解他的工作原理 1.POI结构与常用类 (1)创建Workbook和Sheet (2)创建单元格 (...
    长城ol阅读 8,425评论 2 25
  • 今日体验,今天晚上召开18年产值目标会议,总产值分到各个小组当中去,自己对自己的目标也十分的清楚,接下来就为目标前进。
    任武科阅读 346评论 0 0