Python-pandas-操作Excel文件(读取数据/写入数据)
提示:帮帮志会陆续更新非常多的IT技术知识,希望分享的内容对您有用。本章分享的是pandas的使用语法。前后每一小节的内容是存在的有:学习and理解的关联性。【帮帮志系列文章】:每个知识点,都是写出代码和运行结果且前后关联上的去分析和说明(能大量节约您的时间)。
所有文章都不会直接把代码放那里,让您自己去看去理解。我希望我的内容对您有用而努力~
python语法-pandas第三节-附 :本小节是 DataFrame全系列分享(使用.特点.说明.外部文件数据.取值.功能函数.统计函数)的 Excel表格文件操作:读取数据及写入数据
详细的 DataFrame:
DataFrame全系列分享(数据结构.使用.特点.说明.外部文件数据.取值.功能函数.统计函数)
链接: DataFrame全系列分享【上榜文章】
【上榜文章】一文搞定,非常详细的Python-Pandas - DataFrame全系列分享。大量案例且晦涩难懂的有大白话解释。详细的扩展内容也额外写了其他更加细节全面的文章链接在里面,来保证DataFrame的全部内容,本文就是其中一个扩展读写数据Excel篇
文章目录
- Python-pandas-操作Excel文件(读取数据/写入数据)
- 前言
- [一、读取数据 read_excel()](#一、读取数据 read_excel())
- [二、写入数据 to_excel()](#二、写入数据 to_excel())
-
- [多个表单 ExcelWriter()](#多个表单 ExcelWriter())
- [三、加载 Excel 文件 ExcelFile()](#三、加载 Excel 文件 ExcelFile())
- [四、多个 DataFrame 到同一Excel .ExcelWriter()](#四、多个 DataFrame 到同一Excel .ExcelWriter())
- 总结
前言
pandas 提供了丰富的 Excel 表格文件的操作功能,帮助我们方便地读取和写入 .xls 和 .xlsx 文件
它也支持多表单、索引、列选择等复杂操作,是数据分析中必备的工具。
快速预览:
pd.read_excel() 读取 Excel 文件,返回 DataFrame
DataFrame.to_excel() 将 DataFrame 写入 Excel 文件
pd.ExcelFile() 加载 Excel 文件并访问多个表单
pd.ExcelWriter() 写入多个 DataFrame 到同一 Excel 文件的不同表单
一、读取数据 read_excel()
方法参数:
pandas.read_excel(path, sheet_name=0, *, header=0, names=None, index_col=None, usecols=None, dtype=None, engine=None, converters=None, true_values=None, false_values=None, skiprows=None, nrows=None, na_values=None, keep_default_na=True, na_filter=True, verbose=False, parse_dates=False, date_parser=<no_default>, date_format=None, thousands=None, decimal='.', comment=None, skipfooter=0, storage_options=None, dtype_backend=<no_default>, engine_kwargs=None)
path:这是必需的参数,指定了要读取的 Excel 文件的路径或文件对象。
sheet_name=0:指定要读取的工作表名称或索引。默认为0,即第一个工作表。
header=0:指定用作列名的行。默认为0,即第一行。
names=None:用于指定列名的列表。如果提供,将覆盖文件中的列名。
index_col=None:指定用作行索引的列。可以是列的名称或数字。
usecols=None:指定要读取的列。可以是列名的列表或列索引的列表。
dtype=None:指定列的数据类型。可以是字典格式,键为列名,值为数据类型。
engine=None:指定解析引擎。默认为None,pandas 会自动选择。
converters=None:用于转换数据的函数字典。
true_values=None:指定应该被视为布尔值True的值。
false_values=None:指定应该被视为布尔值False的值。
skiprows=None:指定要跳过的行数或要跳过的行的列表。
nrows=None:指定要读取的行数。
na_values=None:指定应该被视为缺失值的值。
keep_default_na=True:指定是否要将默认的缺失值(例如NaN)解析为NA。
na_filter=True:指定是否要将数据转换为NA。
verbose=False:指定是否要输出详细的进度信息。
parse_dates=False:指定是否要解析日期。
date_parser=<no_default>:用于解析日期的函数。
date_format=None:指定日期的格式。
thousands=None:指定千位分隔符。
decimal='.':指定小数点字符。
comment=None:指定注释字符。
skipfooter=0:指定要跳过的文件末尾的行数。
storage_options=None:用于云存储的参数字典。
dtype_backend=<no_default>:指定数据类型后端。
engine_kwargs=None:传递给引擎的额外参数字典。
其实平时操作Excel并不需要写全这么多参数,后续遇到对应的问题,来查阅参数即可
准备数据,我是在桌面创建的表格,写了一些数据后又放到开发工具里面
python
import pandas as pd
#代码在Excel文件的同层级位置(直接写名字即可),也可以指定D盘E盘的某个excel。这里没有演示
df = pd.read_excel('bbz__pandas.xlsx')
print(df)
#读取Excel并生成DataFrame:

报错:ImportError: Missing optional dependency 'openpyxl'. Use pip or conda to install openpyxl.
安装一个 openpyxl的包就好了
pip install openpyxl -i https://pypi.tuna.tsinghua.edu.cn/simple
pip命令安装 并指定国内镜像源地址,会安装快一点
python
# 读取指定表单的内容(表单名称)
#就是这个Excel文件,左下角有很多很多个表单,sheet_name指定读取哪一个
df = pd.read_excel('data.xlsx', sheet_name='表单名字')
print(df)
# 读取多个表单,返回一个字典
#因为多个表单里面的列名可能不一致,所以方法返回的是字典。
#然后通过字典生成DataFrame的语法就可以合并列,或者指定不同的列(本文最开始链接有 字典==>DataFrame)
dfs = pd.read_excel('data.xlsx', sheet_name=['Sheet1', 'Sheet2'])
print(dfs)
# 自定义列名并跳过前两行
#这里自定义的列名是DataFrame的列索引名字,当前指定的是ABC
#如果Excel前n行是合并标题,就跳过。当前随机写的两行
df = pd.read_excel('data.xlsx', header=None, names=['A', 'B', 'C'], skiprows=2)
print(df)
二、写入数据 to_excel()
to_excel() 方法用于将 DataFrame 写入 Excel 文件,支持 .xls 和 .xlsx 格式。
方法参数:
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, inf_rep='inf', freeze_panes=None, storage_options=None, engine_kwargs=None)
excel_writer:这是必需的参数,指定了要写入的 Excel 文件路径或文件对象。
sheet_name='Sheet1':指定写入的工作表名称,默认为 'Sheet1'。
na_rep='':指定在 Excel 文件中表示缺失值(NaN)的字符串,默认为空字符串。
float_format=None:指定浮点数的格式。如果为 None,则使用 Excel 的默认格式。
columns=None:指定要写入的列。如果为 None,则写入所有列。
header=True:指定是否写入列名作为第一行。如果为 False,则不写入列名。
index=True:指定是否写入索引作为第一列。如果为 False,则不写入索引。
index_label=None:指定索引列的标签。如果为 None,则不写入索引标签。
startrow=0:指定开始写入的行号,默认从第0行开始。
startcol=0:指定开始写入的列号,默认从第0列开始。
engine=None:指定写入 Excel 文件时使用的引擎,默认为 None,pandas 会自动选择。
merge_cells=True:指定是否合并单元格。如果为 True,则合并具有相同值的单元格。
inf_rep='inf':指定在 Excel 文件中表示无穷大值的字符串,默认为 'inf'。
freeze_panes=None:指定冻结窗格的位置。如果为 None,则不冻结窗格。
storage_options=None:用于云存储的参数字典。
engine_kwargs=None:传递给引擎的额外参数字典。
python
import pandas as pd
# 创建一个简单的 DataFrame
df = pd.DataFrame({
'name': ['bangbangzhi', 'hello', 'python', 'what'],
'age': [25, 30, 35, 40],
'city': ['chengdu', 'beijing', 'shanghai', 'tianjin']
})
# 将 DataFrame 写入 Excel 文件,写入 'sheet1' 表单
df.to_excel('output.xlsx', sheet_name='sheet1', index=False)
运行代码,不在控制台看。在左边代码文件同层级位置查看。它会生成一个新的文件:output.xlsx
多个表单 ExcelWriter()
python
# 写入多个表单,使用 ExcelWriter
with pd.ExcelWriter('output.xlsx') as writer:
df.to_excel(writer, sheet_name='sheet1', index=False)
df.to_excel(writer, sheet_name='sheet2', index=False)
#这个output.xlsx的文件会有两个表单,分别是sheet1和sheet2
#就是Excel 文件左下角那里,平时点击+多一个表
三、加载 Excel 文件 ExcelFile()
pd.ExcelFile('data.xlsx') 就是可以 先看看这个Excel 文件
方法参数:
sheet_names 返回文件中所有表单的名称列表
parse(sheet_name) 解析指定表单并返回一个 DataFrame
close() 关闭文件,以释放资源
python
import pandas as pd
# 使用 ExcelFile 加载 Excel 文件
excel_file = pd.ExcelFile('data.xlsx')
# 查看所有表单的名称
print(excel_file.sheet_names)
# 读取指定的表单
df = excel_file.parse('Sheet1')
print(df)
# 关闭文件
excel_file.close()
四、多个 DataFrame 到同一Excel .ExcelWriter()
刚刚其实已经用过,它用于将 DataFrame 或 Series 对象写入 Excel 文件。使用 ExcelWriter,可以在一个 Excel 文件中写入多个工作表,并且可以更灵活地控制写入过程。
pandas.ExcelWriter(path, engine=None, date_format=None, datetime_format=None, mode='w', storage_options=None, if_sheet_exists=None, engine_kwargs=None)
方法参数:
path:这是必需的参数,指定了要写入的 Excel 文件的路径、URL 或文件对象。可以是本地文件路径、远程存储路径(如 S3)、URL 链接或已打开的文件对象。
engine:这是一个可选参数,用于指定写入 Excel 文件的引擎。如果为 None,则 pandas 会自动选择一个可用的引擎(默认优先选择 openpyxl,如果不可用则选择其他可用引擎)。常见的引擎包括 'openpyxl'(用于 .xlsx 文件)、'xlsxwriter'(提供高级格式化和图表功能)、'odf'(用于 OpenDocument 格式如 .ods)等。
date_format:这是一个可选参数,指定写入 Excel 文件中日期的格式字符串,例如 "YYYY-MM-DD"。
datetime_format:这是一个可选参数,指定写入 Excel 文件中日期时间对象的格式字符串,例如 "YYYY-MM-DD HH:MM:SS"。
mode:这是一个可选参数,默认为 'w',表示写入模式。如果设置为 'a',则表示追加模式,向现有文件中添加数据(仅支持部分引擎,如 openpyxl)。
storage_options:这是一个可选参数,用于指定与存储后端连接的额外选项,例如认证信息、访问权限等,适用于写入远程存储(如 S3、GCS)。
if_sheet_exists:这是一个可选参数,默认为 'error',指定如果工作表已经存在时的行为。选项包括 'error'(抛出错误)、'new'(创建一个新工作表)、'replace'(替换现有工作表的内容)、'overlay'(在现有工作表上覆盖写入)。
engine_kwargs:这是一个可选参数,用于传递给引擎的其他关键字参数。这些参数会传递给相应引擎的函数,例如 xlsxwriter.Workbook(file, **engine_kwargs) 或 openpyxl.Workbook(**engine_kwargs) 等。
python
#01示例
#声明一个/创建一个 写入器writer 指定文件为output.xlsx
with ExcelWriter('output.xlsx') as writer:
df.to_excel(writer, sheet_name='sheet1')
#将df里面的内容,写到output.xlsx里面 指定表单为sheet1
python
#02示例
#任意写两个df(DataFrame)。两行数据,两个列,df1是这样的:
'''
name age
0 bangbangzhi 18
1 hello 20
''' #正常df1会有很多很多数据,然后需要存储到Excel里面
df1 = pd.DataFrame([["bangbangzhi", 18],["hello", 20]], columns=["name", "age"])
df2 = pd.DataFrame([["java", 40],["python", 21]], columns=["name", "age"])
with pd.ExcelWriter("out02.xlsx") as writer: #一个名为out02.xlsx的Excel文件
df1.to_excel(writer, sheet_name="sheet1") #df1存sheet1这个表单
df2.to_excel(writer, sheet_name="sheet2") #df2存sheet2这个表单
python
#03示例
import pandas as pd
from datetime import date, datetime
#两行数据 两列数据
'''
X Y
Date 2014-01-31 00:00:00 1999-09-24 00:00:00
Datetime 1998-05-26 23:33:04 2014-02-28 13:05:13
'''
df = pd.DataFrame(
[
[date(2014, 1, 31), date(1999, 9, 24)],
[datetime(1998, 5, 26, 23, 33, 4), datetime(2014, 2, 28, 13, 5, 13)],
],
index=["Date", "Datetime"],
columns=["X", "Y"],
)
with pd.ExcelWriter(
"out03.xlsx",
date_format="YYYY-MM-DD", #统一时间格式 年-月-日
datetime_format="YYYY-MM-DD HH:MM:SS" #统一时间格式 年-月-日 时:分:秒
) as writer:
df.to_excel(writer)
#统一时间格式 年-月-日 意义是 年是第一个 并且中间是横杠隔开 然后月是第二个 .......
#(只要数据过来,哪怕5-2-2025) 程序也只认5是年份 2025是日期(因为我们指定了格式)
本文演示Excel的案例,用了很多DataFrame语法。及读取了Excel文件,取值到我们代码里,然后怎么弄呢?
可以:
详细的 DataFrame操作:
DataFrame全系列分享(数据结构.使用.特点.说明.外部文件数据.取值.功能函数.统计函数)
链接: DataFrame全系列分享【上榜文章】
【上榜文章】一文搞定,非常详细的Python-Pandas - DataFrame全系列分享。大量案例且晦涩难懂的有大白话解释。详细的扩展内容也额外写了其他更加细节全面的文章链接在里面,来保证DataFrame的全部内容,本文就是其中一个扩展读写数据Excel篇
总结
(会陆续更新非常多的IT技术知识及泛IT的电商知识,可以点个关注,共同交流。ღ( ´・ᴗ・` )比心)
(也欢迎评论,提问。 我会依次回答~)