Python读取.xlsx指定行列

时间:2022-09-29 L_Jane_H 人气:0

引言

本文以Python3.9.1读取data.xlsx中包含的西瓜数据集3.0数据为例，数据集如下：

编号	色泽	根蒂	敲声	纹理	脐部	触感	密度	含糖率	好瓜
1	青绿	蜷缩	浊响	清晰	凹陷	硬滑	0.697	0.46	是
2	乌黑	蜷缩	沉闷	清晰	凹陷	硬滑	0.774	0.376	是
3	乌黑	蜷缩	浊响	清晰	凹陷	硬滑	0.634	0.264	是
4	青绿	蜷缩	沉闷	清晰	凹陷	硬滑	0.608	0.318	是
5	浅白	蜷缩	浊响	清晰	凹陷	硬滑	0.556	0.215	是
6	青绿	稍蜷	浊响	清晰	稍凹	软粘	0.403	0.237	是
7	乌黑	稍蜷	浊响	稍糊	稍凹	软粘	0.481	0.149	是
8	乌黑	稍蜷	浊响	清晰	稍凹	硬滑	0.437	0.211	是
9	乌黑	稍蜷	沉闷	稍糊	稍凹	硬滑	0.666	0.091	否
10	青绿	硬挺	清脆	清晰	平坦	软粘	0.243	0.267	否
11	浅白	硬挺	清脆	模糊	平坦	硬滑	0.245	0.057	否
12	浅白	蜷缩	浊响	模糊	平坦	软粘	0.343	0.099	否
13	青绿	稍蜷	浊响	稍糊	凹陷	硬滑	0.639	0.161	否
14	浅白	稍蜷	沉闷	稍糊	凹陷	硬滑	0.657	0.198	否
15	乌黑	稍蜷	浊响	清晰	稍凹	软粘	0.36	0.37	否
16	浅白	蜷缩	浊响	模糊	平坦	硬滑	0.593	0.042	否
17	青绿	蜷缩	沉闷	稍糊	稍凹	硬滑	0.719	0.103	否

代码段：

一、读取工作表内容（.xlsx转化为DataFrame）

导入pandas库，读取工作表数据

import pandas as pd
df = pd.read_excel(r'E:\Aownplan\data.xlsx')#默认读取工作簿中第一个工作表，默认第一行为表头

备注：r是为了读取文件路径中\字符，防止转义。

此处利用pandas库的 read_excel 函数读取文件，获取到的函数返回值类型为DataFrame，后续所有的操作均是基于DataFrame的数据操作方法进行。

二、获取指定行指定列数据（DataFrame转化为numpy.ndarray）

获取整个工作表数据

data=df.values#获取整个工作表数据
print("读取整个工作表的数据：\n{0}".format(data))

获取某一行数据

data=df.iloc[0].values#0表示第一行，不包含表头
print("读取指定行的数据：\n{0}".format(data))

获取多行数据

data=df.head().values#head()默认读取前5行数据（不包含表头）
print("获取工作表前5行数据:\n{0}".format(data))

data=df.iloc[[1,2]].values#读取指定多行，在iloc[]里面嵌套列表指定行数
print("读取指定多行的数据：\n{0}".format(data))

data=df.sample(3).values#读取df中随机3行数据(3个样本）
print("获取随机多行数据:\n{0}".format(data))

获取指定单元格数据

data=df.iloc[1,2]#读取索引为[1, 2]的值，这里不需要嵌套列表
print("读取指定某行某列（单元格）的数据：\n{0}".format(data))

获取指定列数据

print("输出值\n",df['含糖率'].values)

获取指定多列数据

data=df.loc[:,['敲声','纹理']].values#读所有行的敲声以及纹理列的值，这里需要嵌套列表
print("读取指定列的数据：\n{0}".format(data))

获取指定多行多列数据

data=df.loc[[1,2],['密度','含糖率']].values#读取第一行第二行的密度以及含糖率列的值，这里需要嵌套列表
print("读取指定多行多列的数据：\n{0}".format(data))

获取行号和列标题

print("输出行号列表",df.index.values)
print("输出列标题",df.columns.values)

三、数据处理（numpy.ndarray转化为list/set/dict）

（1）转化为列表list

以上通过.values方法获取到的data值，均为二维值数组（numpy.ndarray）类型，在使用时如果需要转换为列表类型，可使用.tolist()方法，如：

data=df.values.tolist()

此时的输出为：

此时的data为list类型，其中每一行数据均为一个列表，多个列表合并为一个二维列表，此时要获取指定行(m)的数据，使用 data[m]，获取指定单元格数据，使用data[m][n]。

（2）转化为集合set

在分析时，若想获取某一列的数据集合，则可以先提取该列数据，然后使用set()函数将其转化为集合即可，如当前为获取敲声的类型，进行如下操作：

data=df['敲声'].values
print(set(data))

此时的输出：

{'清脆', '浊响', '沉闷'}

获取除编号，密度，含糖率外所有列的集合：

titles = df.columns.values
for title in titles:
    if title != '编号' and title != '密度' and title != '含糖率':
        key = df[title].values
        values = set(key)
        print(title,':',values)

输出：

色泽 : {'乌黑', '青绿', '浅白'}
根蒂 : {'蜷缩', '稍蜷', '硬挺'}
敲声 : {'清脆', '浊响', '沉闷'}
纹理 : {'清晰', '稍糊', '模糊'}
脐部 : {'平坦', '稍凹', '凹陷'}
触感 : {'硬滑', '软粘'}
好瓜 : {'是', '否'}

（3）转化为字典dict

如果需要读取某一行的数据为字典，可进行如下操作：

data=df.iloc[0].values#获取某行数据
title=df.columns.values#获取列标题
a=zip(title,data)#将其压缩为一个元组
print(dict(a))#转化为字典

输出：

{'编号': 1, '色泽': '青绿', '根蒂': '蜷缩', '敲声': '浊响', '纹理': '清晰', '脐部': '凹陷', '触感': '硬滑', '密度': 0.697,'含糖率': 0.46, '好瓜': '是'}

获取除编号，密度，含糖率外所有列的字典：

titles = df.columns.values
adict=dict()
for title in titles:
    if title != '编号' and title != '密度' and title != '含糖率':
        key = df[title].values
        adict[title]=set(key)
print(adict)

输出：

{'色泽': {'乌黑', '青绿', '浅白'}, '根蒂': {'蜷缩', '稍蜷', '硬挺'}, '敲声': {'清脆', '浊响', '沉闷'}, '纹理': {'清晰', '稍糊', '模糊'}, '脐部': {'平坦', '稍凹', '凹陷'}, '触感': {'硬滑', '软粘'}, '好瓜': {'是', '否'}}

参考文章：

[1]. Python利用pandas处理Excel数据的应用

总结

加载全部内容