Công thức gấu trúc excel
Đó là nó.
29 Có một biến chứa chủ đề cho Khung dữ liệu Pandas của bạn. Khung dữ liệu Pandas này trông giống như một bảng điều khiển Tìm hiểu cách nhập dữ liệu vào Python từ nhiều nguồn khác nhau, chẳng hạn như Excel, SQL, SAS và ngay từ webXem chi tiết Mũi tên phải bắt đầu khóa họcPandas tham gia cho người dùng bảng tínhNgười bắt đầu4 giờ 2. 9K Tìm hiểu cách tham gia các tập dữ liệu ở định dạng bảng một cách hiệu quả và hiệu quả bằng thư viện Python PandasHỗ trợ các phần mở rộng tệp xls, xlsx, xlsm, xlsb, odf, ods và odt được đọc từ hệ thống tệp cục bộ hoặc URL. Hỗ trợ tùy chọn đọc một trang tính hoặc danh sách các trang tính Tham số str, byte, ExcelFile, xlrd. Sách, đối tượng đường dẫn hoặc đối tượng dạng tệpMọi đường dẫn chuỗi hợp lệ đều được chấp nhận. Chuỗi có thể là một URL. Lược đồ URL hợp lệ bao gồm http, ftp, s3 và tệp. Đối với các URL của tệp, một máy chủ lưu trữ được yêu cầu. Một tệp cục bộ có thể là. Nếu bạn muốn truyền vào một đối tượng đường dẫn, pandas chấp nhận bất kỳ Theo đối tượng giống như tệp, chúng tôi đề cập đến các đối tượng có phương thức >>> pd.read_excel(open('tmp.xlsx', 'rb'), .. sheet_name='Sheet3') Unnamed: 0 Name Value 0 0 string1 1 1 1 string2 2 2 2 #Comment 30sheet_name str, int, list hoặc Không, mặc định 0 Chuỗi được sử dụng cho tên trang tính. Số nguyên được sử dụng ở các vị trí trang tính không được lập chỉ mục (các trang biểu đồ không được tính là vị trí trang tính). Danh sách các chuỗi/số nguyên được sử dụng để yêu cầu nhiều trang tính. Chỉ định Không có để nhận tất cả các trang tính trường hợp có sẵn
Hàng (được lập chỉ mục 0) để sử dụng cho các nhãn cột của Khung dữ liệu được phân tích cú pháp. Nếu một danh sách các số nguyên được thông qua, các vị trí hàng đó sẽ được kết hợp thành một >>> pd.read_excel(open('tmp.xlsx', 'rb'), .. sheet_name='Sheet3') Unnamed: 0 Name Value 0 0 string1 1 1 1 string2 2 2 2 #Comment 35. Sử dụng Không có nếu không có tiêu đềtên dạng mảng, mặc định Không có Danh sách các tên cột để sử dụng. Nếu tệp không chứa hàng tiêu đề, thì bạn nên chuyển rõ ràng header=None index_col int, danh sách int, mặc định Không cóCột (được lập chỉ mục 0) để sử dụng làm nhãn hàng của DataFrame. Vượt qua Không nếu không có cột như vậy. Nếu một danh sách được thông qua, các cột đó sẽ được kết hợp thành một >>> pd.read_excel(open('tmp.xlsx', 'rb'), .. sheet_name='Sheet3') Unnamed: 0 Name Value 0 0 string1 1 1 1 string2 2 2 2 #Comment 35. Nếu một tập hợp con dữ liệu được chọn với >>> pd.read_excel(open('tmp.xlsx', 'rb'), .. sheet_name='Sheet3') Unnamed: 0 Name Value 0 0 string1 1 1 1 string2 2 2 2 #Comment 37, thì index_col dựa trên tập hợp con đó Các giá trị bị thiếu sẽ được điền tiếp để cho phép quay vòng với >>> pd.read_excel(open('tmp.xlsx', 'rb'), .. sheet_name='Sheet3') Unnamed: 0 Name Value 0 0 string1 1 1 1 string2 2 2 2 #Comment 38 cho >>> pd.read_excel(open('tmp.xlsx', 'rb'), .. sheet_name='Sheet3') Unnamed: 0 Name Value 0 0 string1 1 1 1 string2 2 2 2 #Comment 39. Để tránh điền trước các giá trị còn thiếu, hãy sử dụng >>> pd.read_excel('tmp.xlsx', index_col=None, header=None) 0 1 2 0 NaN Name Value 1 0.0 string1 1 2 1.0 string2 2 3 2.0 #Comment 30 sau khi đọc dữ liệu thay vì >>> pd.read_excel('tmp.xlsx', index_col=None, header=None) 0 1 2 0 NaN Name Value 1 0.0 string1 1 2 1.0 string2 2 3 2.0 #Comment 31usecols str, dạng danh sách hoặc có thể gọi được, mặc định Không có
Trả về một tập hợp con của các cột theo hành vi trên bóp bool, mặc định SaiNếu dữ liệu được phân tích cú pháp chỉ chứa một cột thì trả về Sê-ri Không dùng nữa kể từ phiên bản 1. 4. 0. Nối >>> pd.read_excel('tmp.xlsx', index_col=None, header=None) 0 1 2 0 NaN Name Value 1 0.0 string1 1 2 1.0 string2 2 3 2.0 #Comment 33 vào lệnh gọi tới >>> pd.read_excel('tmp.xlsx', index_col=None, header=None) 0 1 2 0 NaN Name Value 1 0.0 string1 1 2 1.0 string2 2 3 2.0 #Comment 34 để nén dữ liệu. dtype Nhập tên hoặc chính tả của cột -> loại, mặc định Không có Kiểu dữ liệu cho dữ liệu hoặc cột. e. g. {'Một'. np. float64, 'b'. np. int32} Sử dụng đối tượng để bảo toàn dữ liệu như được lưu trữ trong Excel và không diễn giải dtype. Nếu bộ chuyển đổi được chỉ định, chúng sẽ được áp dụng THAY THẾ cho chuyển đổi dtype công cụ str, mặc định Không cóNếu io không phải là bộ đệm hoặc đường dẫn, điều này phải được đặt để xác định io. động cơ được hỗ trợ. "xlrd", "openpyxl", "odf", "pyxlsb". tương thích động cơ
Đã thay đổi trong phiên bản 1. 2. 0. Công cụ xlrd hiện chỉ hỗ trợ các tệp >>> pd.read_excel('tmp.xlsx', index_col=None, header=None) 0 1 2 0 NaN Name Value 1 0.0 string1 1 2 1.0 string2 2 3 2.0 #Comment 35 kiểu cũ. Khi >>> pd.read_excel('tmp.xlsx', index_col=None, header=None) 0 1 2 0 NaN Name Value 1 0.0 string1 1 2 1.0 string2 2 3 2.0 #Comment 36, logic sau sẽ được sử dụng để xác định động cơ.
Dict của các hàm để chuyển đổi giá trị trong các cột nhất định. Các khóa có thể là số nguyên hoặc nhãn cột, giá trị là các hàm nhận một đối số đầu vào là nội dung ô Excel và trả về nội dung đã chuyển đổi true_values danh sách, mặc định Không cóCác giá trị được coi là True false_values danh sách, mặc định Không cóCác giá trị được coi là Sai skiprows dạng danh sách, int hoặc có thể gọi, tùy chọnSố dòng cần bỏ qua (được lập chỉ mục 0) hoặc số dòng cần bỏ qua (int) ở đầu tệp. Nếu có thể gọi được, hàm có thể gọi được sẽ được đánh giá dựa trên chỉ mục hàng, trả về True nếu hàng nên được bỏ qua và Sai nếu không. Một ví dụ về đối số có thể gọi được hợp lệ sẽ là >>> pd.read_excel('tmp.xlsx', index_col=0, .. dtype={'Name': str, 'Value': float}) Name Value 0 string1 1.0 1 string2 2.0 2 #Comment 3.03nrows int, mặc định Không có Số hàng để phân tích cú pháp Additional strings to recognize as NA/NaN. If dict passed, specific per-column NA values. By default the following values are interpreted as NaN: ‘’, ‘#N/A’, ‘#N/A N/A’, ‘#NA’, ‘-1.#IND’, ‘-1.#QNAN’, ‘-NaN’, ‘-nan’, ‘1.#IND’, ‘1.#QNAN’, ‘ Có hay không bao gồm các giá trị NaN mặc định khi phân tích dữ liệu. Tùy thuộc vào việc na_values có được truyền vào hay không, hành vi như sau
Lưu ý rằng nếu na_filter được truyền vào là False thì các tham số keep_default_na và na_values sẽ bị bỏ qua na_filter bool, mặc định là TruePhát hiện các điểm đánh dấu giá trị bị thiếu (chuỗi trống và giá trị của na_values). Trong dữ liệu không có bất kỳ NA nào, việc chuyển na_filter=False có thể cải thiện hiệu suất đọc một tệp lớn dài dòng bool, mặc định SaiChỉ định số lượng giá trị NA được đặt trong các cột không phải là số parse_dates bool, dạng danh sách hoặc chính tả, mặc định là SaiHành vi như sau
Nếu một cột hoặc chỉ mục chứa ngày không thể phân tích cú pháp, thì toàn bộ cột hoặc chỉ mục đó sẽ được trả về không thay đổi dưới dạng kiểu dữ liệu đối tượng. Nếu bạn không muốn phân tích một số ô thành ngày, chỉ cần thay đổi loại của chúng trong Excel thành “Văn bản”. Đối với phân tích cú pháp ngày giờ không chuẩn, hãy sử dụng >>> pd.read_excel('tmp.xlsx', index_col=0, .. dtype={'Name': str, 'Value': float}) Name Value 0 string1 1.0 1 string2 2.0 2 #Comment 3.04 sau >>> pd.read_excel('tmp.xlsx', index_col=0, .. dtype={'Name': str, 'Value': float}) Name Value 0 string1 1.0 1 string2 2.0 2 #Comment 3.05 Ghi chú. Đường dẫn nhanh tồn tại cho các ngày có định dạng iso8601 date_parser chức năng, tùy chọnHàm sử dụng để chuyển đổi một chuỗi các cột chuỗi thành một mảng các thể hiện thời gian. Mặc định sử dụng >>> pd.read_excel('tmp.xlsx', index_col=0, .. dtype={'Name': str, 'Value': float}) Name Value 0 string1 1.0 1 string2 2.0 2 #Comment 3.06 để thực hiện chuyển đổi. Pandas sẽ cố gắng gọi date_parser theo ba cách khác nhau, chuyển sang cách tiếp theo nếu xảy ra ngoại lệ. 1) Chuyển một hoặc nhiều mảng (như được định nghĩa bởi parse_dates) làm đối số; nghìn str, mặc định Không có Dấu phân cách hàng nghìn để phân tích các cột chuỗi thành số. Lưu ý rằng tham số này chỉ cần thiết cho các cột được lưu dưới dạng TEXT trong Excel, mọi cột số sẽ tự động được phân tích cú pháp, bất kể định dạng hiển thị thập phân str, mặc định '. ’Ký tự để nhận dạng là dấu thập phân để phân tích các cột chuỗi thành số. Lưu ý rằng tham số này chỉ cần thiết cho các cột được lưu dưới dạng TEXT trong Excel, mọi cột số sẽ tự động được phân tích cú pháp, bất kể định dạng hiển thị. (e. g. sử dụng ',' cho dữ liệu châu Âu) Mới trong phiên bản 1. 4. 0 bình luận str, mặc định Không cóNhận xét phần còn lại của dòng. Truyền một hoặc nhiều ký tự cho đối số này để biểu thị nhận xét trong tệp đầu vào. Bất kỳ dữ liệu nào giữa chuỗi nhận xét và cuối dòng hiện tại đều bị bỏ qua skipfooter int, mặc định 0Hàng ở cuối để bỏ qua (0-lập chỉ mục) convert_float bool, mặc định là TrueChuyển đổi số float tích phân thành int (i. e. , 1. 0 -> 1). Nếu Sai, tất cả dữ liệu số sẽ được đọc dưới dạng số float. Excel lưu trữ tất cả các số dưới dạng số float trong nội bộ Không dùng nữa kể từ phiên bản 1. 3. 0. convert_float sẽ bị xóa trong phiên bản sau Các cột trùng lặp sẽ được chỉ định là 'X', 'X. 1', ...'X. N', thay vì 'X'...'X'. Truyền vào Sai sẽ khiến dữ liệu bị ghi đè nếu có tên trùng lặp trong các cột Không dùng nữa kể từ phiên bản 1. 5. 0. Chưa triển khai và một đối số mới để chỉ định mẫu cho tên của các cột trùng lặp sẽ được thêm vào thay thế storage_options dict, tùy chọnCác tùy chọn bổ sung có ý nghĩa đối với một kết nối lưu trữ cụ thể, e. g. máy chủ, cổng, tên người dùng, mật khẩu, v.v. Đối với URL HTTP(S), các cặp khóa-giá trị được chuyển tiếp tới >>> pd.read_excel('tmp.xlsx', index_col=0, .. dtype={'Name': str, 'Value': float}) Name Value 0 string1 1.0 1 string2 2.0 2 #Comment 3.07 dưới dạng tùy chọn tiêu đề. Đối với các URL khác (e. g. bắt đầu với “s3. //”, và “gcs. //”) các cặp khóa-giá trị được chuyển tiếp đến >>> pd.read_excel('tmp.xlsx', index_col=0, .. dtype={'Name': str, 'Value': float}) Name Value 0 string1 1.0 1 string2 2.0 2 #Comment 3.08. Vui lòng xem >>> pd.read_excel('tmp.xlsx', index_col=0, .. dtype={'Name': str, 'Value': float}) Name Value 0 string1 1.0 1 string2 2.0 2 #Comment 3.09 và >>> pd.read_excel('tmp.xlsx', index_col=0, .. na_values=['string1', 'string2']) Name Value 0 NaN 1 1 NaN 2 2 #Comment 30 để biết thêm chi tiết và để biết thêm ví dụ về các tùy chọn lưu trữ, hãy tham khảo Mới trong phiên bản 1. 2. 0 Trả về một DataFrame hoặc dict của DataFramesDataFrame từ tệp được truyền trong tệp Excel. Xem ghi chú trong đối số sheet_name để biết thêm thông tin về thời điểm một lệnh của DataFrames được trả về Xem thêm Ghi DataFrame vào tệp Excel Ghi DataFrame vào tệp giá trị được phân tách bằng dấu phẩy (csv) Đọc tệp giá trị được phân tách bằng dấu phẩy (csv) vào DataFrame Đọc bảng các dòng được định dạng có chiều rộng cố định vào DataFrame ví dụ Có thể đọc tệp bằng cách sử dụng tên tệp dưới dạng chuỗi hoặc đối tượng tệp đang mở >>> pd.read_excel('tmp.xlsx', index_col=0) Name Value 0 string1 1 1 string2 2 2 #Comment 3 >>> pd.read_excel(open('tmp.xlsx', 'rb'), .. sheet_name='Sheet3') Unnamed: 0 Name Value 0 0 string1 1 1 1 string2 2 2 2 #Comment 3 Chỉ mục và tiêu đề có thể được chỉ định thông qua các đối số index_col và tiêu đề >>> pd.read_excel('tmp.xlsx', index_col=None, header=None) 0 1 2 0 NaN Name Value 1 0.0 string1 1 2 1.0 string2 2 3 2.0 #Comment 3 Các loại cột được suy ra nhưng có thể được chỉ định rõ ràng >>> pd.read_excel('tmp.xlsx', index_col=0, .. dtype={'Name': str, 'Value': float}) Name Value 0 string1 1.0 1 string2 2.0 2 #Comment 3.0 Các giá trị Đúng, Sai và NA cũng như hàng nghìn dấu phân cách có giá trị mặc định nhưng cũng có thể được chỉ định rõ ràng. Cung cấp các giá trị bạn muốn dưới dạng chuỗi hoặc danh sách chuỗi |