本篇内容主要讲解“Python如何利用Pandas处理复杂的Excel数据”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“Python如何利用Pandas处理复杂的Excel数据”吧!问题缘起
pandas read_excel函数在读取Excel工作表方面做得很好。但是，如果数据不是从头开始，不是从单元格A1开始的连续表格，则结果会不是很好。比如下面一个销售表，使用read_excel读取：读取的结果如下所示：结果中标题表头变成了Unnamed，而且还会额外增加很多职位NaN列，字段为空的列的值也会被转换为NaN，这显然不是我们所期望的。header和usecols参数对这样的非标准格式的表格，我们可以使用read_excel()的header和usecols参数来控制选择的需要读取的列。结果的DataFrame包含了我们期望的数据。代码中使用header和usecols参数设定了用于显示标题的列和需要读取的字段：header参数为一个整数，从0开始索引，其为选择的行，比如1表示Excel中的第2行。usecols参数设定选择的Excel列范围范围(A-…)，例如，B:F表示读取B到F列。在某些情况下，可能希望将列定义为数字列表。比如，可以定义整数列数：这对对大型数据集(例 香港云主机如，每3列或仅偶数列)要遵循一定的数字模式，则这个参数方法会很有用。usecols还可以设定从列名列表读取。比如上面的例子也可以这样写：列顺序支持自由选择，这种命名列列表的方式实际中很有用。usecols支持一个回调函数column_check，可通过该函数对数据进行处理。下面是一个简单的示例：column_check按名称解析每列，每列通过定义True或False，来选择是否读取。usecols也可以使用lambda表达式。下面的示例中定义的需要显示的字段列表。为了进行比较，通过将名称转换为小写来规范化。回调函数为我们提供了许多灵活性，可以处理Excel文件的实际混乱情况。关于read_exce函数更多参数可以查看官方文档，下面是一个总结表格：结合openpyxl在某些情况下，数据甚至可能在Excel中变得更加复杂。在下面示例中，我们有一个ship_cost要读取的表。如果必须使用这样的文件，那么只用pandas函数和选项也很难做到。在这种情况下，可以直接使用openpyxl解析文件并将数据转换为pandas DataFrame。比如要读取下面示例的数据：加载整个工作簿：查看所有工作表：[‘sales’, ‘shipping_rates’]要访问特定的工作表：要查看所有命名表的列表：dict_keys([‘ship_cost’])该键对应于Excel中分配给表的名称。这样就可以设定要读取的Excel范围：’C8:E16’这样就获得了要加载的数据范围。最后将其转换为pandas DataFrame即可。遍历每一行并转换为DataFrame：结果数据框：到此，相信大家对“Python如何利用Pandas处理复杂的Excel数据”有了更深的了解，不妨来实际操作一番吧！这里是开发云网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！
本篇内容主要讲解“PHP中CI框架的运行模式是什么”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“PHP中CI框架的运行模式是什么”吧!1、创建了控制器2、视图代码到此，相信大家对“PHP中CI框架的运行模式是什么”…
免责声明：本站发布的图片视频文字，以转载和分享为主，文章观点不代表本站立场，本站不承担相关法律责任；如果涉及侵权请联系邮箱：360163164@qq.com举报，并提供相关证据，经查实将立刻删除涉嫌侵权内容。
微信扫一扫 
