python使用xlsx和pandas处理Excel表格的操作步骤

时间:2023-02-02 水w 人气:0

一、使用xls和xlsx处理Excel表格

xls是excel2003及以前版本所生成的文件格式；
xlsx是excel2007及以后版本所生成的文件格式；
（excel 2007之后版本可以打开上述两种格式，但是excel2013只能打开xls格式）；

1.1 用openpyxl模块打开Excel文档，查看所有sheet表

openpyxl.load_workbook()函数接受文件名，返回一个workbook数据类型的值。这个workbook对象代表这个Excel文件，这个有点类似File对象代表一个打开的文本文件。

workbook = xlrd2.open_workbook("1.xlsx")  # 返回一个workbook数据类型的值
sheets = workbook.sheet_names()
print(sheets)
# 结果：
# ['Sheet1', 'Sheet2']

或者

workbook = openpyxl.load_workbook("1.xlsx")	    # 返回一个workbook数据类型的值
print(workbook.sheetnames)	    # 打印Excel表中的所有表
 
# 结果：
# ['Sheet1', 'Sheet2']

1.2 通过sheet名称获取表格

workbook = openpyxl.load_workbook("数据源总表(1).xlsx")	    # 返回一个workbook数据类型的值
print(workbook.sheetnames)	    # 打印Excel表中的所有表
sheet = workbook['Sheet1']  # 获取指定sheet表
print(sheet)
 
# 结果：
# ['Sheet1', 'Sheet2']
# <Worksheet "Sheet1">

1.3 获取活动表的获取行数和列数

方法1：自己写一个for循环

方法2：使用

sheet.max_row 获取行数
sheet.max_column 获取列数

workbook = openpyxl.load_workbook("数据源总表(1).xlsx")	    # 返回一个workbook数据类型的值
print(workbook.sheetnames)	    # 打印Excel表中的所有表
sheet = workbook['1、基本情况']  # 获取指定sheet表
print(sheet)
print('rows', sheet.max_row, 'column', sheet.max_column)    # 获取行数和列数

◼ 读取xlsx文件错误：xlrd.biffh.XLRDError: Excel xlsx file； not supported

运行代码时，会出现以下报错。

xlrd.biffh.XLRDError: Excel xlsx file； not supported

（1）检查第三方库xlrd的版本：

我这里的版本为xlrd2.0.1最新版本，问题就出在这里，我们需要卸载最新版本，安装旧版本，卸载安装过程如下。

（2）在File-Settings下的Project-Python Interpreter中重新按照旧版本xlrd2，

按照上述步骤卸载xlrd后再安装xlrd2后，

可以看到错误解决了。

二、使用pandas读取xlsx

pyCharm pip安装pandas库，请移步到python之 pyCharm pip安装pandas库失败_水w的博客-CSDN博客_pandas安装失败

2.1 读取数据

import pandas as pd
#1.读取前n行所有数据
df1=pd.read_excel('d1.xlsx')#读取xlsx中的第一个sheet
 
data1=df1.head(10)    #读取前10行所有数据
data2=df1.values    #list【】  相当于一个矩阵，以行为单位
#data2=df.values()   报错：TypeError: 'numpy.ndarray' object is not callable
print("获取到所有的值：\n{0}".format(data1))#格式化输出
print("获取到所有的值：\n{0}".format(data2))
 
#2.读取特定行特定列
data3=df1.iloc[0].values    #读取第一行所有数据
data4=df1.iloc[1,1]    #读取指定行列位置数据：读取（1，1）位置的数据
data5=df1.iloc[[1,2]].values    #读取指定多行：读取第一行和第二行所有数据
data6=df1.iloc[:,[0]].values    #读取指定列的所有行数据：读取第一列所有数据
 
print("数据：\n{0}".format(data3))
print("数据：\n{0}".format(data4))
print("数据：\n{0}".format(data5))
print("数据：\n{0}".format(data6))
 
#3.获取xlsx文件行号、列号
print("输出行号列表{}".format(df1.index.values))    #获取所有行的编号：0、1、2、3、4
print("输出列标题{}".format(df1.columns.values))    #也就是每列的第一个元素
 
#4.将xlsx数据转换为字典
data=[]
for i in df1.index.values:    #获取行号的索引，并对其遍历
    #根据i来获取每一行指定的数据，并用to_dict转成字典
    row_data=df1.loc[i,['id','name','class','data','score',]].to_dict()
    data.append(row_data)
print("最终获取到的数据是：{0}".format(data))
 
#iloc和loc的区别：iloc根据行号来索引，loc根据index来索引。
#所以1，2，3应该用iloc，4应该有loc

读取特定的某几列的数据：

import pandas as pd
 
file_path = r'int.xlsx'   # r对路径进行转义，windows需要
df = pd.read_excel(file_path, header=0, usecols=[3, 4])  # header=0表示第一行是表头，就自动去除了, 指定读取第3和4列

2.2 使用pandas查找两个列表中相同的元素

解决：查找两个列表中相同的元素，可以把列表转为元祖/集合，进行交运算。

import pandas as pd
 
file_path = r'int.xlsx'   # r对路径进行转义，windows需要
df = pd.read_excel(file_path, header=0, usecols=[3, 4])  # header=0表示第一行是表头，就自动去除了, 指定读取第3和4列
i, o = list(df['i']), list(df['o'])
in_links, out_links = [], []
 
a = set(in_links)   # 转成元祖
b = set(out_links)
c = (a & b)  # 集合c和b中都包含了的元素
print(a, '\n', b)
print('两个列表中相同的元素是：', list(c))

◼ 解决ValueError: Excel file format cannot be determined, you must specify an engine manually.

报错：我在使用python的pandas读取表格的数据，但是报错了，

import pandas as pd
 
file_path = 'intersection.xlsx'   # r对路径进行转义，windows需要
df = pd.read_excel(file_path, header=0, usecols=[0])  # header=0表示第一行是表头，就自动去除了, 指定读取第1列
print(df)

问题：问题在于原表格格式可能有些问题。

解决：最直接的办法就是把表格的内容复制到一个自己新建的表格中，然后改成之前表格的路径，

然后再安装这个openpyxl第三方库。

pip install openpyxl

重新运行代码，

ok，问题解决。

◼ 解决but no encoding declared; see http://python.org/dev/peps/pep-0263/ for details

报错：

but no encoding declared; see http://python.org/dev/peps/pep-0263/ for details

问题：xxx文件里有中文字符。

解决：在py文件的代码第一行加上，

# -*-coding:utf8 -*-

◼ 解决MatplotlibDeprecationWarning: Support for FigureCanvases without a required_interactive_framework attribute was deprecated in Matplotlib 3.6 and will be removed two minor releases later.

报错：在使用pandas读取文件时，显示错误。

MatplotlibDeprecationWarning: Support for FigureCanvases without a required_interactive_framework attribute was deprecated in Matplotlib 3.6 and will be removed two minor releases later.

问题：matplotlib3.2以后就把mpl-data分离出去了。

解决：卸载原来的版本，安装3.1版本。

pip uninstall matplotlib  # 卸载原来的版本
pip install matplotlib==3.1.1 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com  # 安装3.1版本

总结

加载全部内容