Pandas Excel 数据导入教程：从文件到 DataFrame
Pandas 是 Python 中一个功能强大的数据分析库，它提供了 read_excel() 函数，可以方便地将 Excel 文件中的数据读取到 DataFrame 中。本教程将详细介绍如何使用 read_excel() 函数，从最基本的导入到处理各种常见场景。
1. 准备工作
在开始之前，请确保你的 Python 环境中已经安装了 Pandas 库。此外，为了能够读取 .xlsx 格式的 Excel 文件，你还需要安装 openpyxl。如果你的 Excel 文件是较旧的 .xls 格式，可能需要安装 xlrd（尽管 openpyxl 也能处理一些 .xls 文件）。
bash
pip install pandas openpyxl
2. 基本导入：读取第一个工作表
最简单的情况是，你希望读取 Excel 文件中的第一个工作表，并让 Pandas 自动识别列名（通常是第一行）。
“`python
import pandas as pd
假设你的 Excel 文件名为 ‘sample.xlsx’ 并且在当前目录下
df = pd.read_excel(‘sample.xlsx’)
打印 DataFrame 的前5行，以便快速查看数据
print(df.head())
“`
说明:
* pd.read_excel('sample.xlsx') 会默认读取指定 Excel 文件中的第一个工作表。
* Pandas 会尝试将 Excel 文件的第一行解析为 DataFrame 的列名（表头）。
3. 指定工作表：按名称或索引
如果你的 Excel 文件包含多个工作表，并且你需要读取特定的工作表，可以使用 sheet_name 参数。你可以通过工作表的名称或其基于 0 的索引来指定。
按工作表名称读取:
“`python
import pandas as pd
读取名为 ‘销售数据’ 的工作表
df_sales = pd.read_excel(‘sample.xlsx’, sheet_name=’销售数据’)
print(df_sales.head())
“`
按工作表索引读取 (索引从 0 开始):
“`python
import pandas as pd
读取 Excel 文件中的第二个工作表 (索引为 1)
df_second_sheet = pd.read_excel(‘sample.xlsx’, sheet_name=1)
print(df_second_sheet.head())
“`
4. 指定表头 (Header) 行
默认情况下，read_excel() 函数会把 Excel 文件的第一行（索引为 0）当作 DataFrame 的列名。如果你的实际表头位于其他行，可以通过 header 参数进行指定。
“`python
import pandas as pd
假设你的实际表头在 Excel 文件的第三行 (即索引为 2)
df_custom_header = pd.read_excel(‘sample.xlsx’, header=2)
print(df_custom_header.head())
“`
说明:
* header=2 表示将 Excel 文件的第 3 行（索引为 2）作为 DataFrame 的列名。
* 如果设置为 header=None，Pandas 将不会将任何行作为表头，而是自动生成从 0 开始的数字列名。
5. 指定索引列 (Index Column)
有时，你可能希望 Excel 文件中的某一列直接作为 DataFrame 的行索引。这可以通过 index_col 参数实现。
“`python
import pandas as pd
假设你想将 Excel 文件中的第一列 (索引为 0) 作为 DataFrame 的索引
df_indexed = pd.read_excel(‘sample.xlsx’, index_col=0)
print(df_indexed.head())
“`
说明:
* index_col=0 表示将 Excel 文件的第一列（索引为 0）设置为 DataFrame 的行索引。
* 你也可以直接指定列名，例如 index_col='ID'，如果你的 Excel 文件中有名为 ‘ID’ 的列。
6. 处理缺失值
read_excel() 默认会将 Excel 文件中的空单元格读取为 NaN (Not a Number)。NaN 是 Pandas 中用来表示缺失值的标准方式。你可以通过 isnull() 或 notnull() 方法来检查缺失值，并使用 fillna()、dropna() 等方法进行处理。
7. 文件路径
你可以使用相对路径或绝对路径来指定 Excel 文件。
相对路径 (文件在当前工作目录或其子目录中):
“`python
假设文件在当前目录下的 ‘data’ 文件夹中
df = pd.read_excel(‘data/my_data.xlsx’)
“`
绝对路径 (指定文件的完整路径):
“`python
Windows 系统
df = pd.read_excel(‘C:\Users\YourUser\Documents\report.xlsx’)
推荐使用原始字符串 (r”) 避免反斜杠转义问题
df = pd.read_excel(r’C:\Users\YourUser\Documents\report.xlsx’)
macOS/Linux 系统
df = pd.read_excel(‘/Users/YourUser/Documents/report.xlsx’)
“`
8. 完整示例
为了更好地理解上述参数的应用，我们来看一个完整的示例。假设你有一个 data.xlsx 文件，其中包含两个工作表：基本信息 和 产品列表。
data.xlsx 内容示例:
工作表: 基本信息
| ID | 姓名 | 年龄 | 城市 |
|—-|——|—–|——|
| 1 | 张三 | 30 | 北京 |
| 2 | 李四 | 24 | 上海 |
| 3 | 王五 | 35 | 广州 |
工作表: 产品列表
| 产品名称 | 价格 | 数量 |
|———-|——|——|
| 苹果 | 1.0 | 100 |
| 香蕉 | 0.5 | 200 |
| 橙子 | 1.2 | 150 |
Python 代码:
“`python
import pandas as pd
import os
— 为了演示，我们先创建一个虚拟的 Excel 文件 —
在实际使用中，你会有自己的 Excel 文件
excel_file_name = ‘data.xlsx’
try:
with pd.ExcelWriter(excel_file_name) as writer:
df_info = pd.DataFrame({
‘ID’: [1, 2, 3],
‘姓名’: [‘张三’, ‘李四’, ‘王五’],
‘年龄’: [30, 24, 35],
‘城市’: [‘北京’, ‘上海’, ‘广州’]
})
df_info.to_excel(writer, sheet_name=’基本信息’, index=False)
df_products = pd.DataFrame({
'产品名称': ['苹果', '香蕉', '橙子'],
'价格': [1.0, 0.5, 1.2],
'数量': [100, 200, 150]
})
df_products.to_excel(writer, sheet_name='产品列表', index=False)
print(f"'{excel_file_name}' 文件已创建成功。")
except Exception as e:
print(f”创建 Excel 文件时出错: {e}”)
— 开始导入数据 —
print(“\n— 导入 ‘基本信息’ 工作表 (按名称) —“)
df_basic_info = pd.read_excel(excel_file_name, sheet_name=’基本信息’)
print(df_basic_info)
print(“\n— 导入 ‘产品列表’ 工作表 (按索引) —“)
‘产品列表’ 是第二个工作表，索引为 1
df_product_list = pd.read_excel(excel_file_name, sheet_name=1)
print(df_product_list)
print(“\n— 导入 ‘基本信息’ 工作表，并设置 ‘ID’ 列为索引 —“)
df_info_indexed = pd.read_excel(excel_file_name, sheet_name=’基本信息’, index_col=’ID’)
print(df_info_indexed)
清理创建的演示文件
if os.path.exists(excel_file_name):
os.remove(excel_file_name)
print(f”\n已删除演示文件: ‘{excel_file_name}'”)
“`
通过掌握 read_excel() 函数及其参数，你将能够灵活高效地从各种 Excel 文件中读取数据到 Pandas DataFrame，为后续的数据清洗、分析和可视化工作奠定坚实的基础。