一、前言

hello呀！各位鐵子們大家好呀，今天呢來(lái)和大家聊一聊用Python的pandas讀取excel文件中的數(shù)據(jù)。

二、讀取Excel文件

使用pandas的read_excel()方法，可通過文件路徑直接讀取。注意到，在一個(gè)excel文件中有多個(gè)sheet，因此，對(duì)excel文件的讀取實(shí)際上是讀取指定文件、并同時(shí)指定sheet下的數(shù)據(jù)。可以一次讀取一個(gè)sheet，也可以一次讀取多個(gè)sheet，同時(shí)讀取多個(gè)sheet時(shí)后續(xù)操作可能不夠方便，因此建議一次性只讀取一個(gè)sheet。

當(dāng)只讀取一個(gè)sheet時(shí)，返回的是DataFrame類型，這是一種表格數(shù)據(jù)類型，它清晰地展示出了數(shù)據(jù)的表格型結(jié)構(gòu)。具體寫法為：

(1)不指定sheet參數(shù)，默認(rèn)讀取第一個(gè)sheet，
df=pd.read_excel("data_test.xlsx")
(2)指定sheet名稱讀取，
df=pd.read_excel("data_test.xlsx",sheet_name="test1")
(3)指定sheet索引號(hào)讀取，
df=pd.read_excel("data_test.xlsx",sheet_name=0) #sheet索引號(hào)從0開始

*同時(shí)讀取多個(gè)sheet，以字典形式返回。（不推薦）
(1)指定多個(gè)sheet名稱讀取， df=pd.read_excel("data_test.xlsx",sheet_name=["test1","test2"])
(2)指定多個(gè)sheet索引號(hào)讀取，
df=pd.read_excel("data_test.xlsx",sheet_name=[0,1])
(3)混合指定sheet名稱和sheet索引號(hào)讀取，
df=pd.read_excel("data_test.xlsx",sheet_name=[0,"test2"])
點(diǎn)我免費(fèi)領(lǐng)取全套軟件測(cè)試(自動(dòng)化測(cè)試)視頻資料（備注“知乎AAA”）

三、DataFrame對(duì)象的結(jié)構(gòu)

對(duì)內(nèi)容的讀取分有表頭和無(wú)表頭兩種方式，默認(rèn)情形下是有表頭的方式，即將第一行元素自動(dòng)置為表頭標(biāo)簽，其余內(nèi)容為數(shù)據(jù)；當(dāng)在read_excel()方法中加上header=None參數(shù)時(shí)是不加表頭的方式，即從第一行起，全部?jī)?nèi)容為數(shù)據(jù)。讀取到的Excel數(shù)據(jù)均構(gòu)造成并返回DataFrame表格類型(以下以df表示)。

對(duì)有表頭的方式，讀取時(shí)將自動(dòng)地將第一行元素置為表頭向量，同時(shí)為除表頭外的各行內(nèi)容加入行索引（從0開始）、各列內(nèi)容加入列索引（從0開始）。如圖所示

?

對(duì)無(wú)表頭的方式，讀取時(shí)將自動(dòng)地為各行內(nèi)容加入行索引（從0開始）、為各列內(nèi)容加入列索引（從0開始），行索引從第一行開始。如圖所示

?四、用values方式獲取數(shù)據(jù)

1.基本方法
df.values，獲取全部數(shù)據(jù)，返回類型為ndarray（二維）；
df.index.values，獲取行索引向量，返回類型為ndarray（一維）；
df.columns.values，獲取列索引向量（對(duì)有表頭的方式，是表頭標(biāo)簽向量），返回類型為ndarray（一維）。

根據(jù)具體需要，通過ndarray的使用規(guī)則獲取指定數(shù)據(jù)。數(shù)據(jù)獲取的結(jié)構(gòu)示意圖如下所示。

有表頭

無(wú)表頭

?

2.獲取指定數(shù)據(jù)的寫法
(1)獲取全部數(shù)據(jù)：
df.values，獲取全部數(shù)據(jù)，返回類型為ndarray（二維）。

(2)獲取某個(gè)值：
df.values[i , j]，第i行第j列的值，返回類型依內(nèi)容而定。

(3)獲取某一行：
df.values[i]，第i行數(shù)據(jù)，返回類型為ndarray（一維）。

(4)獲取多行：
df.values[[i1 , i2 , i3]]，第i1、i2、i3行數(shù)據(jù)，返回類型為ndarray（二維）。

(5)獲取某一列：
df.values[: , j]，第j列數(shù)據(jù)，返回類型為ndarray（一維）。

(6)獲取多列：
df.values[:,[j1,j2,j3]]，第j1、j2、j3列數(shù)據(jù)，返回類型為ndarray（二維）。

(7)獲取切片：
df.values[i1:i2 , j1:j2]，返回行號(hào)[i1,i2)、列號(hào)[j1,j2)左閉右開區(qū)間內(nèi)的數(shù)據(jù)，返回類型為ndarray（二維）。

3.示例
帶表頭，excel內(nèi)容為

Python腳本為
`import pandas as pd

df = pd.read_excel("data_test.xlsx")

print("\n(1)全部數(shù)據(jù)：")
print(df.values)

print("\n(2)第2行第3列的值：")
print(df.values[1,2])

print("\n(3)第3行數(shù)據(jù)：")
print(df.values[2])

print("\n(4)獲取第2、3行數(shù)據(jù)：")
print(df.values[[1,2]])

print("\n(5)第2列數(shù)據(jù)：")
print(df.values[:,1])

print("\n(6)第2、3列數(shù)據(jù)：")
print(df.values[:,[1,2]])

print("\n(7)第2至4行、第3至5列數(shù)據(jù)：")
print(df.values[1:4,2:5])

執(zhí)行結(jié)果

?

?五、用loc和iloc方式獲取數(shù)據(jù)

1.基本寫法
loc和iloc方法是通過索引定位的方式獲取數(shù)據(jù)的，寫法為loc[A, B]和iloc[A, B]。其中A表示對(duì)行的索引，B表示對(duì)列的索引，B可缺省。A、B可為列表或i1:i2（切片）的形式，表示多行或多列。

這兩個(gè)方法的區(qū)別是，loc將參數(shù)當(dāng)作標(biāo)簽處理，iloc將參數(shù)當(dāng)作索引號(hào)處理。也就是說(shuō)，在有表頭的方式中，當(dāng)列索引使用str標(biāo)簽時(shí)，只可用loc，當(dāng)列索引使用索引號(hào)時(shí)，只可用iloc；在無(wú)表頭的方式中，索引向量也是標(biāo)簽向量，loc和iloc均可使用；在切片中，loc是閉區(qū)間，iloc是半開區(qū)間。

獲取指定數(shù)據(jù)的寫法：
(1)獲取全部數(shù)據(jù)：
df.loc[: , :].values
或
df.iloc[: , :].values，返回類型為ndarray（二維）。

(2)獲取某個(gè)值：
無(wú)表頭
df.loc[i, j]
或
df.iloc[i, j]，第i行第j列的值，返回類型依內(nèi)容而定。

有表頭
df.loc[i, "序號(hào)"]，第i行‘序號(hào)’列的值。
或
df.iloc[i, j]，第i行第j列的值。

(3)獲取某一行：
df.loc[i].values
或
df.iloc[i].values，第i行數(shù)據(jù)，返回類型為ndarray（一維）。

(4)獲取多行：
df.loc[[i1, i2, i3]].values，
或
df.iloc[[i1, i2, i3]].values，第i1、i2、i3行數(shù)據(jù)，返回類型為ndarray（二維）。

(5)獲取某一列：
無(wú)表頭
df.loc[:, j].values
或
df.iloc[:, j].values，第j列數(shù)據(jù)，返回類型為ndarray（一維）。

有表頭
df.loc[:,"姓名"].values，‘姓名’列數(shù)據(jù)，返回類型為ndarray（一維）。
或
df.iloc[:, j].values，第j列數(shù)據(jù)，返回類型為ndarray（一維）。

(6)獲取多列：
無(wú)表頭
df.loc[:, [j1 , j2]].values
或
df.iloc[:, [j1 , j2]].values，第j1、j2列數(shù)據(jù)，返回類型為ndarray（二維）。

有表頭
df.loc[:, ["姓名","性別"]].values，‘姓名’、‘性別’列數(shù)據(jù)，返回類型為ndarray（二維）；
df.iloc[:, [j1 , j2]].values，第j1、j2列數(shù)據(jù)，返回類型為ndarray（二維）。

(7)獲取切片：
無(wú)表頭
df.loc[i1:i2, j1:j2].values，返回行號(hào)[i1,i2]、列號(hào)[j1,j2]閉區(qū)間內(nèi)的數(shù)據(jù)，返回類型為ndarray（二維）；
df.iloc[i1:i2, j1:j2].values，返回行號(hào)[i1,i2)、列號(hào)[j1,j2)左閉右開區(qū)間內(nèi)的數(shù)據(jù)，返回類型為ndarray（二維）。

有表頭
df.loc[i1:i2, "序號(hào)":"姓名"].values，返回行號(hào)[i1,i2]、列號(hào)["序號(hào)","姓名"]閉區(qū)間的數(shù)據(jù)，返回類型為ndarray（二維）；
df.iloc[i1:i2, j1:j2].values，返回行號(hào)[i1,i2)、列號(hào)[j1,j2)左閉右開區(qū)間內(nèi)的數(shù)據(jù)，返回類型為ndarray（二維）。

2.示例
帶表頭，excel內(nèi)容為

?

Python腳本為
`import pandas as pd

df = pd.read_excel("data_test.xlsx")

print("\n(1)全部數(shù)據(jù)：")
print(df.iloc[:,:].values)

print("\n(2)第2行第3列的值：")
print(df.iloc[1,2])

print("\n(3)第3行數(shù)據(jù)：")
print(df.iloc[2].values)

print("\n(4)第2列數(shù)據(jù)：")
print(df.iloc[:,1].values)

print("\n(5)第6行的姓名：")
print(df.loc[5,"姓名"])

print("\n(6)第2至3行、第3至4列數(shù)據(jù)：")
print(df.iloc[1:3,2:4].values)`
執(zhí)行結(jié)果

?

最后：?為了回饋鐵桿粉絲們，我給大家整理了完整的軟件測(cè)試視頻學(xué)習(xí)教程，朋友們?nèi)绻枰梢宰孕忻赓M(fèi)領(lǐng)取?【保證100%免費(fèi)】

全套資料獲取方式：點(diǎn)擊下方小卡片自行領(lǐng)取即可

文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-783866.html

到了這里，關(guān)于用Python的pandas讀取excel文件中的數(shù)據(jù)的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！