Jak odczytać plik .xlsx za pomocą biblioteki pandas w iPythonie?

109

Chcę odczytać plik .xlsx przy użyciu biblioteki Pandas w Pythonie i przenieść dane do tabeli postgreSQL.

Do tej pory mogłem tylko:

import pandas as pd
data = pd.ExcelFile("*File Name*")

Teraz wiem, że krok został wykonany pomyślnie, ale chcę wiedzieć, w jaki sposób mogę przeanalizować plik programu Excel, który został odczytany, aby zrozumieć, w jaki sposób dane w programie Excel są mapowane na dane w danych zmiennych.
Dowiedziałem się, że dane są obiektem Dataframe, jeśli się nie mylę. Jak więc przeanalizować ten obiekt dataframe, aby wyodrębnić każdy wiersz wiersz po wierszu.

Sabareesh Kappagantu
źródło
8
df = pd.ExcelFile ('Nazwa pliku'). parse ('arkusz 1'); zobacz dokumentację pandas.pydata.org/pandas-docs/dev/io.html#excel-files
Jeff,

Odpowiedzi:

170

Zwykle tworzę słownik zawierający a DataFramedla każdego arkusza:

xl_file = pd.ExcelFile(file_name)

dfs = {sheet_name: xl_file.parse(sheet_name) 
          for sheet_name in xl_file.sheet_names}

Aktualizacja: W pandach w wersji 0.21.0+ można uzyskać to zachowanie wyraźniej, przechodząc sheet_name=Nonedo read_excel:

dfs = pd.read_excel(file_name, sheet_name=None)

W wersji 0.20 i wcześniejszych było to sheetnameraczej niż sheet_name(obecnie jest to przestarzałe na rzecz powyższego):

dfs = pd.read_excel(file_name, sheetname=None)
Andy Hayden
źródło
Dzięki Andy. To zadziałało. Teraz moim następnym krokiem jest zapisanie tego w bazie danych PostgreSQL. Z jakiej biblioteki najlepiej korzystać? SQLAlchemy?
Sabareesh Kappagantu
Hmmm, gdybyś powiedział mysql - znałbym odpowiedź , postgres może po prostu działać podobnie ... ale nie w 100%. (To byłoby dobre pytanie.)
Andy Hayden
Mam jak to zrobić. Użyłem Sqlalchemy. Miałeś rację, jest bardzo podobny do mysql. Wymagało to stworzenia silnika, a następnie zebrania metadanych i zabawy z danymi. Jeszcze raz dziękuję Andy! :) Wdzięczni za pomoc.
Sabareesh Kappagantu
1
pandas.DataFrame.to_sqlmoże być pomocna. Do czytania możesz następnie użyć dp.pyktóre zwracają obiekty Pandas DataFrame.
Finn Årup Nielsen
Próbuję osiągnąć coś podobnego, ale używając 2 plików xlsx excel do stworzenia jednej ramki danych.Zastanawiam się, czy mógłbyś rzucić okiem i pomóc mi, jak to zrobić, poprosiłem o pomoc, tworząc kolejne pytanie stackoverflow.com / pytania / 16888888 /… @AndyHayden
Deepak M
27
from pandas import read_excel
# find your sheet name at the bottom left of your excel file and assign 
# it to my_sheet 
my_sheet = 'Sheet1' # change it to your sheet name
file_name = 'products_and_categories.xlsx' # change it to the name of your excel file
df = read_excel(file_name, sheet_name = my_sheet)
print(df.head()) # shows headers with top 5 rows
Hafizur Rahman
źródło
11

read_excelMetoda DataFrame jest podobna do read_csvmetody:

dfs = pd.read_excel(xlsx_file, sheetname="sheet1")


Help on function read_excel in module pandas.io.excel:

read_excel(io, sheetname=0, header=0, skiprows=None, skip_footer=0, index_col=None, names=None, parse_cols=None, parse_dates=False, date_parser=None, na_values=None, thousands=None, convert_float=True, has_index_names=None, converters=None, true_values=None, false_values=None, engine=None, squeeze=False, **kwds)
    Read an Excel table into a pandas DataFrame

    Parameters
    ----------
    io : string, path object (pathlib.Path or py._path.local.LocalPath),
        file-like object, pandas ExcelFile, or xlrd workbook.
        The string could be a URL. Valid URL schemes include http, ftp, s3,
        and file. For file URLs, a host is expected. For instance, a local
        file could be file://localhost/path/to/workbook.xlsx
    sheetname : string, int, mixed list of strings/ints, or None, default 0

        Strings are used for sheet names, Integers are used in zero-indexed
        sheet positions.

        Lists of strings/integers are used to request multiple sheets.

        Specify None to get all sheets.

        str|int -> DataFrame is returned.
        list|None -> Dict of DataFrames is returned, with keys representing
        sheets.

        Available Cases

        * Defaults to 0 -> 1st sheet as a DataFrame
        * 1 -> 2nd sheet as a DataFrame
        * "Sheet1" -> 1st sheet as a DataFrame
        * [0,1,"Sheet5"] -> 1st, 2nd & 5th sheet as a dictionary of DataFrames
        * None -> All sheets as a dictionary of DataFrames

    header : int, list of ints, default 0
        Row (0-indexed) to use for the column labels of the parsed
        DataFrame. If a list of integers is passed those row positions will
        be combined into a ``MultiIndex``
    skiprows : list-like
        Rows to skip at the beginning (0-indexed)
    skip_footer : int, default 0
        Rows at the end to skip (0-indexed)
    index_col : int, list of ints, default None
        Column (0-indexed) to use as the row labels of the DataFrame.
        Pass None if there is no such column.  If a list is passed,
        those columns will be combined into a ``MultiIndex``
    names : array-like, default None
        List of column names to use. If file contains no header row,
        then you should explicitly pass header=None
    converters : dict, default None
        Dict of functions for converting values in certain columns. Keys can
        either be integers or column labels, values are functions that take one
        input argument, the Excel cell content, and return the transformed
        content.
    true_values : list, default None
        Values to consider as True

        .. versionadded:: 0.19.0

    false_values : list, default None
        Values to consider as False

        .. versionadded:: 0.19.0

    parse_cols : int or list, default None
        * If None then parse all columns,
        * If int then indicates last column to be parsed
        * If list of ints then indicates list of column numbers to be parsed
        * If string then indicates comma separated list of column names and
          column ranges (e.g. "A:E" or "A,C,E:F")
    squeeze : boolean, default False
        If the parsed data only contains one column then return a Series
    na_values : scalar, str, list-like, or dict, default None
        Additional strings to recognize as NA/NaN. If dict passed, specific
        per-column NA values. By default the following values are interpreted
        as NaN: '', '#N/A', '#N/A N/A', '#NA', '-1.#IND', '-1.#QNAN', '-NaN', '-nan',
    '1.#IND', '1.#QNAN', 'N/A', 'NA', 'NULL', 'NaN', 'nan'.
    thousands : str, default None
        Thousands separator for parsing string columns to numeric.  Note that
        this parameter is only necessary for columns stored as TEXT in Excel,
        any numeric columns will automatically be parsed, regardless of display
        format.
    keep_default_na : bool, default True
        If na_values are specified and keep_default_na is False the default NaN
        values are overridden, otherwise they're appended to.
    verbose : boolean, default False
        Indicate number of NA values placed in non-numeric columns
    engine: string, default None
        If io is not a buffer or path, this must be set to identify io.
        Acceptable values are None or xlrd
    convert_float : boolean, default True
        convert integral floats to int (i.e., 1.0 --> 1). If False, all numeric
        data will be read in as floats: Excel stores all numbers as floats
        internally
    has_index_names : boolean, default None
        DEPRECATED: for version 0.17+ index names will be automatically
        inferred based on index_col.  To read Excel output from 0.16.2 and
        prior that had saved index names, use True.

    Returns
    -------
    parsed : DataFrame or Dict of DataFrames
        DataFrame from the passed in Excel file.  See notes in sheetname
        argument for more information on when a Dict of Dataframes is returned.
flowera
źródło
7

Zamiast używać nazwy arkusza, w przypadku, gdy nie znasz lub nie możesz otworzyć pliku Excela, aby sprawdzić ubuntu (w moim przypadku Python 3.6.7, ubuntu 18.04), używam parametru index_col (index_col = 0 dla pierwszy arkusz)

import pandas as pd
file_name = 'some_data_file.xlsx' 
df = pd.read_excel(file_name, index_col=0)
print(df.head()) # print the first 5 rows
Złupić
źródło
2
Możesz również użyć sheet_name=0lub nazwać arkusz zamiast 0.
Plajerity
1
Dobrze, to działa. Potrzebuje jednak zależności xlrd. (pip3.7.4.exe instaluje xlrd w systemie Windows)
Harry
5

Przypisz nazwę pliku arkusza kalkulacyjnego do file

Załaduj arkusz kalkulacyjny

Wydrukuj nazwy arkuszy

Załaduj arkusz do ramki DataFrame według nazwy: df1

file = 'example.xlsx'
xl = pd.ExcelFile(file)
print(xl.sheet_names)
df1 = xl.parse('Sheet1')
duński
źródło
2

Jeśli używasz read_excel()na pliku otwartym za pomocą funkcji open(), pamiętaj o dodaniu rbdo funkcji open, aby uniknąć błędów w kodowaniu

Patrick Mutuku
źródło