Pandas Read Excel: 如何在Python中导入Excel文件

import pandas as pd
 
# 读取Excel文件的第一个工作表
df = pd.read_excel('data.xlsx')
print(df.head())

# 绝对路径
df = pd.read_excel('/Users/username/Documents/sales_data.xlsx')
 
# 相对路径
df = pd.read_excel('../data/sales_data.xlsx')

# 按工作表名称读取
df = pd.read_excel('financial_report.xlsx', sheet_name='Q1 Revenue')
 
# 按索引读取 (0 = 第一个工作表)
df = pd.read_excel('financial_report.xlsx', sheet_name=0)

# 读取多个特定工作表
sheets_dict = pd.read_excel('annual_report.xlsx',
                            sheet_name=['Q1', 'Q2', 'Q3', 'Q4'])
 
# 访问单个DataFrame
q1_df = sheets_dict['Q1']
q2_df = sheets_dict['Q2']
 
print(f"Q1 shape: {q1_df.shape}")
print(f"Q2 shape: {q2_df.shape}")

# 将所有工作表读入字典
all_sheets = pd.read_excel('company_data.xlsx', sheet_name=None)
 
# 遍历所有工作表
for sheet_name, df in all_sheets.items():
    print(f"\nSheet: {sheet_name}")
    print(f"Shape: {df.shape}")
    print(f"Columns: {df.columns.tolist()}")

# 将所有工作表合并为单个DataFrame
all_sheets = pd.read_excel('monthly_sales.xlsx', sheet_name=None)
combined_df = pd.concat(all_sheets.values(), ignore_index=True)
print(f"Combined shape: {combined_df.shape}")

# 跳过前2行,使用第3行作为标题
df = pd.read_excel('data.xlsx', header=2)
 
# 无标题行 - pandas分配数字列名
df = pd.read_excel('data.xlsx', header=None)
 
# 多级列标题
df = pd.read_excel('data.xlsx', header=[0, 1])

# 跳过前3行
df = pd.read_excel('data.xlsx', skiprows=3)
 
# 跳过特定行 (从0开始索引)
df = pd.read_excel('data.xlsx', skiprows=[0, 2, 5])
 
# 使用函数跳过行
df = pd.read_excel('data.xlsx', skiprows=lambda x: x % 2 == 0)  # 跳过偶数行

# 按字母范围选择列
df = pd.read_excel('data.xlsx', usecols='A:D')
 
# 按字母选择特定列
df = pd.read_excel('data.xlsx', usecols='A,C,E,G')
 
# 按索引选择列
df = pd.read_excel('data.xlsx', usecols=[0, 2, 4, 6])
 
# 按名称选择列
df = pd.read_excel('data.xlsx', usecols=['Name', 'Age', 'Salary'])
 
# 使用函数选择列
df = pd.read_excel('data.xlsx', usecols=lambda x: 'total' in x.lower())

# 为多列指定dtypes
df = pd.read_excel('customer_data.xlsx',
                   dtype={
                       'CustomerID': str,
                       'ZipCode': str,
                       'Age': int,
                       'Revenue': float
                   })
 
# 将数字ID保留为字符串以保留前导零
df = pd.read_excel('products.xlsx', dtype={'ProductID': str})

# 解析单个日期列
df = pd.read_excel('orders.xlsx', parse_dates=['OrderDate'])
 
# 解析多个日期列
df = pd.read_excel('employee_data.xlsx',
                   parse_dates=['HireDate', 'TerminationDate'])
 
# 将列组合为单个datetime
df = pd.read_excel('logs.xlsx',
                   parse_dates={'DateTime': ['Date', 'Time']})
 
# 检查结果
print(df.dtypes)

# 识别自定义缺失值指示符
df = pd.read_excel('survey_data.xlsx',
                   na_values=['NA', 'N/A', 'null', 'None', '-'])
 
# 每列不同的NA值
df = pd.read_excel('mixed_data.xlsx',
                   na_values={
                       'Age': ['Unknown', 'N/A'],
                       'Salary': [0, -1, 'Not Disclosed']
                   })
 
# 保留默认NA值并添加更多
df = pd.read_excel('data.xlsx',
                   na_values=['Missing'],
                   keep_default_na=True)

# 读取前10,000行
df = pd.read_excel('large_file.xlsx', nrows=10000)
 
# 使用skiprows和nrows读取特定行范围
df = pd.read_excel('large_file.xlsx', skiprows=1000, nrows=5000)

# 读取时转换列
def categorize_status(value):
    return 'Active' if value == 1 else 'Inactive'
 
df = pd.read_excel('users.xlsx',
                   converters={
                       'Status': categorize_status,
                       'Category': lambda x: x.lower().strip()
                   })

import pandas as pd
 
# 首先获取所有工作表名称
xls = pd.ExcelFile('massive_workbook.xlsx')
sheet_names = xls.sheet_names
 
# 分别处理每个工作表
for sheet in sheet_names:
    df = pd.read_excel(xls, sheet_name=sheet, nrows=10000)
    # 在此处理df
    result = df.describe()
    print(f"\n{sheet} Summary:\n{result}")

from openpyxl import load_workbook
 
# 以只读模式加载工作簿
wb = load_workbook('huge_file.xlsx', read_only=True)
ws = wb['Sheet1']
 
# 迭代处理行
data = []
for row in ws.iter_rows(min_row=2, max_row=1000, values_only=True):
    data.append(row)
 
# 转换为DataFrame
df = pd.DataFrame(data, columns=['Col1', 'Col2', 'Col3'])
wb.close()

# 强制使用openpyxl引擎
df = pd.read_excel('data.xlsx', engine='openpyxl')
 
# 读取旧版.xls文件
df = pd.read_excel('old_data.xls', engine='xlrd')
 
# 读取二进制Excel文件
df = pd.read_excel('data.xlsb', engine='pyxlsb')

import pandas as pd
import pygwalker as pyg
 
# 读取Excel数据
df = pd.read_excel('sales_data.xlsx')
 
# 启动交互式可视化
pyg.walk(df)

ImportError: Missing optional dependency 'openpyxl'. Use pip or conda to install openpyxl.

# 安装openpyxl
pip install openpyxl
 
# 或安装所有Excel依赖
pip install pandas[excel]

df = pd.read_excel('data.xlsx', engine='openpyxl')

import os
 
# 打印当前目录
print(os.getcwd())
 
# 列出目录中的文件
print(os.listdir('.'))
 
# 使用绝对路径
df = pd.read_excel('/absolute/path/to/file.xlsx')

# 通过选择列减少内存
df = pd.read_excel('large_file.xlsx', usecols=['A', 'B', 'C'])
 
# 限制行数
df = pd.read_excel('large_file.xlsx', nrows=50000)
 
# 指定dtypes以减少内存
df = pd.read_excel('large_file.xlsx',
                   dtype={'ID': 'int32', 'Category': 'category'})

# 尝试不同的引擎
df = pd.read_excel('data.xlsx', engine='openpyxl')

# 强制日期解析
df = pd.read_excel('data.xlsx', parse_dates=['DateColumn'])
 
# 手动转换
df['DateColumn'] = pd.to_datetime(df['DateColumn'])

import msoffcrypto
import io
import pandas as pd
 
# 解密文件
decrypted = io.BytesIO()
with open('protected.xlsx', 'rb') as f:
    file = msoffcrypto.OfficeFile(f)
    file.load_key(password='yourpassword')
    file.decrypt(decrypted)
 
# 读取解密的文件
df = pd.read_excel(decrypted)

from contextlib import closing
import pandas as pd
 
with closing(pd.ExcelFile('data.xlsx')) as xls:
    df1 = pd.read_excel(xls, sheet_name='Sheet1')
    df2 = pd.read_excel(xls, sheet_name='Sheet2')
    # 此块后文件自动关闭

url = 'https://example.com/data.xlsx'
df = pd.read_excel(url)

df = pd.read_excel('data.xlsx', header=None)

df.columns = ['Name', 'Age', 'Salary']

import pandas as pd
from glob import glob
 
# 读取目录中的所有Excel文件
files = glob('data/*.xlsx')
dfs = [pd.read_excel(f) for f in files]
combined_df = pd.concat(dfs, ignore_index=True)

# 读取第100-199行(跳过前100行,读取接下来的100行)
df = pd.read_excel('data.xlsx', skiprows=100, nrows=100)

# 一次性转换
df = pd.read_excel('large_file.xlsx')
df.to_csv('large_file.csv', index=False)
 
# 将来的读取使用CSV
df = pd.read_csv('large_file.csv')  # 快得多

df = pd.read_excel('data.xlsx')
df['MergedColumn'] = df['MergedColumn'].fillna(method='ffill')