Cara Membaca Fail Excel dalam Python Menggunakan Panda

Membaca Fail Excel dalam Python Menggunakan Panda

Gambaran Keseluruhan

Dalam artikel ini, kami akan meneroka cara membaca fail Excel dan menukarnya menjadi Bingkai Data Pandas. Pandas ialah perpustakaan Python yang digunakan secara meluas untuk analisis dan manipulasi data, dan kelas ExcelFilenya menyediakan kaedah yang mudah untuk membaca fail Excel.

Menggunakan xlrd

Satu cara untuk membaca fail Excel ialah menggunakan xlrd perpustakaan. Begini cara anda boleh melakukannya:

<code class="python">import xlrd

workbook = xlrd.open_workbook('FileName.xlsx')
sheet = workbook.sheet_by_index(0)

for row_index in range(sheet.nrows):
    row_data = [sheet.cell(row_index, col_index).value for col_index in range(sheet.ncols)]
    print(row_data)</code>

Kaedah ini membolehkan anda mengulangi baris dan lajur fail Excel.

Menggunakan Panda

Satu lagi cara yang lebih cekap untuk membaca fail Excel menggunakan Pandas ialah:

<code class="python">import pandas as pd

newFile = pd.ExcelFile('FilePath\FileName.xlsx')
sheet_names = newFile.sheet_names
parsed_data = newFile.parse(sheet_names[0])

print(parsed_data.head())</code>

Dengan menghantar nama helaian pertama untuk dihuraikan, anda boleh menukarnya menjadi Bingkai Data Pandas. Sebagai alternatif, anda boleh mengulangi semua helaian menggunakan gelung:

<code class="python">for sheet_name in newFile.sheet_names:
    parsed_data = newFile.parse(sheet_name)
    print(parsed_data.head())</code>

Pertimbangan

Apabila menggunakan Pandas untuk membaca fail Excel, adalah penting untuk dipertimbangkan:

• Pastikan sambungan fail (.xlsx/.xls) dan laluan yang betul.
• Jika fail Excel mengandungi berbilang helaian, nyatakan nama helaian atau gelung yang diingini melalui semua helaian.
• Kendalikan nilai yang tiada sewajarnya dengan menyatakan nilai yang tiada dalam huraian.
• Berhati-hati tentang kemungkinan isu memori jika bekerja dengan fail besar.

Atas ialah kandungan terperinci Cara Membaca Fail Excel dalam Python Menggunakan Panda. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!