对excel文件的读取是数据分析中常见的，在python中，pandas库的read_excel方法能够读取excel文件，包括xls和xlsx格式。
本文介绍使用pandas读取excel以及读取过程中一些常见的问题。
环境
Excel文件的格式为xls和xlsx，pandas读取excel文件需要安装依赖库xlrd和openpyxl。
!注意：当xlrd>=2.0时，只支持xls格式，不再支持xlsx。
- python3.9
- win10 64bit
- pandas==1.2.1
- xlrd==2.0.1
- openpyxl==3.0.7
读取xls
read_excel方法读取xls格式文件，自动使用xlrd引擎。指定io参数为文件路径，文件路径可以是绝对路径或者相对路径。
import pandas as pd
pd.set_option('display.notebook_repr_html',False)
# 读取xls（绝对路径）
pd.read_excel(io=r'E:\blog\Python\pandas\excel\data.xls')
date name count socre sum
0 2017_1_1 mpg 15 1.506 1.330
1 2017_1_2 asd 18 1.533 1.359
2 2017_1_3 puck 20 1.537 1.365
3 2017_1_4 #N 24 1.507 1.334
4 2017_1_5 NaN 27 1.498 1.325
5 2017_1_6 some 30 1.506 1.329
文件路径字符串前面加
r是为了防止字符串中的\转义
# 读取xls（相对路径）
pd.read_excel(io='./data.xls')
date name count socre sum
0 2017_1_1 mpg 15 1.506 1.330
1 2017_1_2 asd 18 1.533 1.359
2 2017_1_3 puck 20 1.537 1.365
3 2017_1_4 #N 24 1.507 1.334
4 2017_1_5 NaN 27 1.498 1.325
5 2017_1_6 some 30 1.506 1.329
读取xlsx
read_excel方法读取xlsx格式文件，自动使用openpyxl引擎。同样，可以使用绝对或相对路径读取。
# 读取xlsx
pd.read_excel(io='./data.xlsx')
date name count socre sum
0 2017_1_1 mpg 15 1.506 1.330
1 2017_1_2 asd 18 1.533 1.359
2 2017_1_3 puck 20 1.537 1.365
3 2017_1_4 #N 24 1.507 1.334
4 2017_1_5 NaN 27 1.498 1.325
5 2017_1_6 some 30 1.506 1.329
设置sheet
设置sheet_name参数，可以指定读取excel的sheet。可以根据sheet的名字或者位置设置参数。
sheet_name默认值是0，表示读取第一个sheet。
# 读取xlsx（第二个sheet）（设置sheet位置）
pd.read_excel(io='./data.xlsx',sheet_name=1)
date kind sum coef value
0 2019_1_1 pandas 100 2.506 1.530
1 2019_1_2 cat 200 2.533 1.359
2 2019_1_3 dog 300 2.560 1.188
3 2019_1_4 fish 400 2.587 1.017
4 2019_1_5 sky 500 2.614 0.846
5 2019_1_6 git 600 2.641 0.675
# 读取xlsx（第二个sheet）（设置sheet名字）
pd.read_excel(io='./data.xlsx',sheet_name='demo2')
date kind sum coef value
0 2019_1_1 pandas 100 2.506 1.530
1 2019_1_2 cat 200 2.533 1.359
2 2019_1_3 dog 300 2.560 1.188
3 2019_1_4 fish 400 2.587 1.017
4 2019_1_5 sky 500 2.614 0.846
5 2019_1_6 git 600 2.641 0.675
设置sheet_name=None，可以读取全部的sheet，返回字典，key为sheet名字，value为sheet表内容。
# 读取xlsx（全部sheet）
pd.read_excel(io='./data.xlsx',sheet_name=None)
{'demo': date name count socre sum
0 2017_1_1 mpg 15 1.506 1.330
1 2017_1_2 asd 18 1.533 1.359
2 2017_1_3 puck 20 1.537 1.365
3 2017_1_4 #N 24 1.507 1.334
4 2017_1_5 NaN 27 1.498 1.325
5 2017_1_6 some 30 1.506 1.329,
'demo2': date kind sum coef value
0 2019_1_1 pandas 100 2.506 1.530
1 2019_1_2 cat 200 2.533 1.359
2 2019_1_3 dog 300 2.560 1.188
3 2019_1_4 fish 400 2.587 1.017
4 2019_1_5 sky 500 2.614 0.846
5 2019_1_6 git 600 2.641 0.675}
设置列标签
设置header参数，可以指定目标行的数据为列标签。
header默认值是0，表示第0行为列标签。
设置header为i(整数)，表示设置i行为列标签，i行之前的数据会被舍弃。
demo3.png
可以看出表格有标题，有列名，如果不设置header，读出来的表格为
# 读取xlsx
pd.read_excel(io='./title.xlsx')
title Unnamed: 1 Unnamed: 2
0 id value1 value2
1 1900-01-01 00:00:00 23 56
2 1900-01-02 00:00:00 33 45
3 1900-01-03 00:00:00 43 34
4 1900-01-04 00:00:00 53 23
如果要舍弃第一行标题，设置header=1即可。
# 读取xlsx（指定第二行为列标签）
pd.read_excel(io='./title.xlsx',header=1)
id value1 value2
0 1900-01-01 23 56
1 1900-01-02 33 45
2 1900-01-03 43 34
3 1900-01-04 53 23
时间列解析
在读取excel时，对于数据中有时间列的，一般操作是要把时间列解析成时间格式。
# 读取
df=pd.read_excel(io='./data.xlsx')
# 查看每列数据类型
df.dtypes
date object
name object
count int64
socre float64
sum float64
dtype: object
用dtypes属性查看每列的数据类型，发现date列类型为object，并未解析成时间格式，其时间格式为%Y_%m_%d,pandas无法自动识别。
两步完成时间列解析：
- 设置
parse_dates参数，指定需要解析的列； - 设置
date_parser参数，指定解析器。
# 解析时间列
df=pd.read_excel(io='./data.xls',
parse_dates=[0],
date_parser=lambda x:pd.to_datetime(x,format='%Y_%m_%d'))
df
date name count socre sum
0 2017-01-01 mpg 15 1.506 1.330
1 2017-01-02 asd 18 1.533 1.359
2 2017-01-03 puck 20 1.537 1.365
3 2017-01-04 #N 24 1.507 1.334
4 2017-01-05 NaN 27 1.498 1.325
5 2017-01-06 some 30 1.506 1.329
# 查看每列数据类型
df.dtypes
date datetime64[ns]
name object
count int64
socre float64
sum float64
dtype: object
如果需要把解析的时间列设置为索引，需要设置index_col参数，表示索引列。
# 解析时间列，并设置为索引
df=pd.read_excel(io='./data.xls',
index_col=[0],
parse_dates=[0],
date_parser=lambda x:pd.to_datetime(x,format='%Y_%m_%d'))
df
name count socre sum
date
2017-01-01 mpg 15 1.506 1.330
2017-01-02 asd 18 1.533 1.359
2017-01-03 puck 20 1.537 1.365
2017-01-04 #N 24 1.507 1.334
2017-01-05 NaN 27 1.498 1.325
2017-01-06 some 30 1.506 1.329
读取部分列
设置usecols参数，选择部分列进行读取，可以加快读取速度。可以根据需求灵活设置usecols参数，来选择多列。
usecols默认
None，表示全部读取全部列
- 字符串
"A,C:D":表示选择excel字母列的A列，和C到D列；
# 选择部分列读取（字符串形式）
pd.read_excel(io='./data.xlsx',usecols="A,C:D")
date count socre
0 2017_1_1 15 1.506
1 2017_1_2 18 1.533
2 2017_1_3 20 1.537
3 2017_1_4 24 1.507
4 2017_1_5 27 1.498
5 2017_1_6 30 1.506
- 字符列表
["date","name"]:表示选择数据的date列和name列；
# 选择部分列读取（字符列表形式）
pd.read_excel(io='./data.xlsx',usecols=['date','name'])
date name
0 2017_1_1 mpg
1 2017_1_2 asd
2 2017_1_3 puck
3 2017_1_4 #N
4 2017_1_5 NaN
5 2017_1_6 some
- 整数列表
[0,2]:表示选择数据的0列和2列；
# 选择部分列读取（整数列表形式）
pd.read_excel(io='./data.xlsx',usecols=[0,2])
date count
0 2017_1_1 15
1 2017_1_2 18
2 2017_1_3 20
3 2017_1_4 24
4 2017_1_5 27
5 2017_1_6 30
- 函数
lambda x:x.endswith("e"):表示选择以字母e结尾的所有列
# 选择部分列读取（函数形式）
pd.read_excel(io='./data.xlsx',usecols=lambda x:x.endswith("e"))
date name socre
0 2017_1_1 mpg 1.506
1 2017_1_2 asd 1.533
2 2017_1_3 puck 1.537
3 2017_1_4 #N 1.507
4 2017_1_5 NaN 1.498
5 2017_1_6 some 1.506
读取部分行
设置参数nrows=n，可以读取数据的前n行。
nrows默认
None，表示全部读取全部行
# 选择前3行读取
pd.read_excel(io='./data.xlsx',nrows=4)
date name count socre sum
0 2017_1_1 mpg 15 1.506 1.330
1 2017_1_2 asd 18 1.533 1.359
2 2017_1_3 puck 20 1.537 1.365
3 2017_1_4 #N 24 1.507 1.334
设置skiprows参数，可以跳过部分行不读取。
skiprows默认
None，表示不跳过行
# 跳过1，3行不读取
pd.read_excel(io='./data.xlsx',skiprows=[1,3])
date name count socre sum
0 2017_1_2 asd 18 1.533 1.359
1 2017_1_4 #N 24 1.507 1.334
2 2017_1_5 NaN 27 1.498 1.325
3 2017_1_6 some 30 1.506 1.329
可以设置skiprows参数为匿名函数，更加灵活的跳过部分行不读取。
# 跳过部分行不读取（行索引包含[4,5]）
pd.read_excel(io='./data.xlsx',skiprows=lambda x:x in [4,5])
date name count socre sum
0 2017_1_1 mpg 15 1.506 1.330
1 2017_1_2 asd 18 1.533 1.359
2 2017_1_3 puck 20 1.537 1.365
3 2017_1_6 some 30 1.506 1.329
缺失值处理
read_excel会自动把缺失值标记为NaN，但实际的情况千变万化，例如实际中缺失值可能用#N,##等各种异常符号表示，
这时候设置na_values参数，可以填充这些异常符号为缺失值。
# 填充缺失值
pd.read_excel(io='./data.xlsx',na_values='#N')
date name count socre sum
0 2017_1_1 mpg 15 1.506 1.330
1 2017_1_2 asd 18 1.533 1.359
2 2017_1_3 puck 20 1.537 1.365
3 2017_1_4 NaN 24 1.507 1.334
4 2017_1_5 NaN 27 1.498 1.325
5 2017_1_6 some 30 1.506 1.329
更多使用细节参考：read_excel
