pandas笔记：读写excel
1 读excel
read_excel函数能够读取的格式包含：xls, xlsx, xlsm, xlsb, odf, ods 和 odt 文件扩展名。
支持读取单一sheet或几个sheet。
1.0 使用的数据
1.1 主要使用方法
pandas.read_excel(io, sheet_name=0, header=0, names=None, index_col=None, usecols=None, squeeze=None, dtype=None, engine=None, converters=None, true_values=None, false_values=None, skiprows=None, nrows=None, na_values=None,keep_default_na=True, na_filter=True, verbose=False, parse_dates=False, date_parser=None, thousands=None, decimal='.', comment=None, skipfooter=0, convert_float=None, mangle_dupe_cols=True, storage_options=None
)1.2 主要参数
1.2.1 io
文件路径
import pandas as pdpd.read_excel('tst.xlsx')
1.2.2 sheet_name
- sheet表名，支持 str, int, list, or None
- 默认是0，索引号从0开始，表示第一个sheet
| sheet_name类型 | 输出结果 |
| 数字 |  |
| 字符串 |  |
| 列表 |
|
1.2.3 header
- 表示用第几行作为表头，支持 int, list of int；
- 默认是0，第一行的数据当做表头。
- header=None表示不使用数据源中的表头
1.2.4 names
自定义表头的名称，此时需要传递数组参数
1.2.5 index_col
- 指定哪些列属性为行索引列，支持 int, list of int, 默认是None
- 也就是索引为0,1,2,3等自然数的列用作DataFrame的行标签。
- 如果传入的是列表形式，则行索引会是多层索引
1.2.6 usecols
待解析的列，支持 int, str, list-like, or callable ，默认是 None，表示解析全部的列。
1.2.7 dtype
指定列属性的字段类型。
eg：{‘a’: np.float64, ‘b’: np.int32}；默认为None，也就是不改变数据类型
1.2.8 converters
对指定列进行指定函数的处理，传入参数为列名与函数组成的字典
1.2.9 skiprows
跳过指定的行
1.2.10 nrows
指定读取的行数
1.2.11 na_values
指定列的某些特定值为NaN
1.2.12 keep_default_na
是否导入空值，默认是导入，识别为NaN
2 写excel
和写csv很类似
import pandas as pddata=[{1:'a',2:'b'},{1:'c',4:'d'}]
f1=pd.DataFrame(data)
f1.to_excel('t.xlsx',sheet_name='1')
2.1 index=False——不把索引列也存入
import pandas as pddata=[{1:'a',2:'b'},{1:'c',4:'d'}]
f1=pd.DataFrame(data)
f1.to_excel('t.xlsx',sheet_name='1',index=None)