我觉得很有必要讲述这个文章,进行数据处理的第一步就是Python数据读取。但是你可能没想到,在进行数据读取的同时,我们其实可以配合相关参数做很多事儿,这对于后续的数据处理都是极其有帮助。
read_excel()函数和read_csv()函数,在参数上面有很多相同点,因此我就以read_excel()函数为例,进行详细的说明。
含义:选择要读取的sheet表;
sheet_name=0表示默认读取第一个sheet表,等同于sheet_name=“sheet名称”;
sheet_name=[“sheet名”,0]会返回一个字典,然后可以利用键获取每一个sheet表中的数据;
sheet_name=None也会返回一个字典,但是会返回全部的sheet表;
结果如下:
结果如下:
接着,我们可以使用键值对的方式,获取每个sheet表中的数据。
注:关于sheet_name=None效果同上,只不过会返回所有的sheet表中的数据。
含义:指定某一行作为表头;
header=None专门针对没有表头的表,这也是默认值;
header=1指定第一行作为表头;
header=[]主要针对复合表头的情况;
结果如下:
结果如下:
结果如下:
注意:上述用到了一个index_col参数,这个参数用于指定作为行索引的列,我就不详细举例了,看看下图。
含义:选择读取一张表中的指定列;
usecols=None也是默认情况,表示读取所有列;
usecols=[A,C]表示只选取A列和C列。usecols=[A,C:E]表示选择A列,C列、D列和E列;
usecols=[0,2]表示只选择第一列和第三列;
usecols=["列名1","列名2"...]这也是推荐使用的一种写法;
结果如下:
结果如下:
结果如下:
结果如下:
这种方式照说是没有任何问题的,但是在我这边运行总是无结果,我很纳闷,大家可以下去试试。
含义:如果表中没有表头,可以用这个参数添加一个标题。如果表中有表头,可以用这个参数修改标题。
names = ["月份","语文","英语"] df6 = pd.read_excel("names.xlsx",header=None,names=names) df6结果如下:
含义:读取数据时,设置每一列的数据类型(重要);
dtype={}传入一个字典,类似于{"列名":"类型"};
df7 = pd.read_excel("dtype.xlsx") df7.dtypes ------------------------------------------------------ df7 = pd.read_excel("dtype.xlsx",dtype={"年龄":"str"}) df7.dtypes结果如下:
含义:指定将哪些列,解析为日期格式;
parse_dates=True是专门用于将行索引,解析为日期格式;
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为日期格式;
parse_dates=[[1,2,3]]和parse_dates=[["年","月","日"]],都是将多个列,解析为单个日期列;
parse_dates={"日期":[1,2,3]}不仅将多个日期列解析为单个日期列,同时还为这一列命名;
结果如下:
结果如下:
结果如下:
结果如下:
含义:利用lambda函数,将某个字符串列,解析为日期格式;
一般是配合parse_dates参数,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结果如下:
含义:用于将某些特定的值,解析为NaN值,然后便于我们后面做缺失值的处理;
na_values=”值1“表示将所有数据中值1全部替换为NaN;
na_values=[”值1“,"值2"]表示将所有数据中值1、值2全部替换为NaN;
na_values={"列1":[”值1“,"值2"]}表示将第一列中所有的值1、值2全部替换为NaN;
结果如下:
结果如下:
结果如下:
含义:对某一列使用Lambda函数,进行某种运算;
例如:converters={"工资":lambda x: x + 1000};
df11 = pd.read_excel("converters.xlsx", converters={"地址":lambda x: "中国"+x,"工资":lambda x: x + 1000}) df11结果如下:
------end------