import pandas as pd

笔记，不错。

不能直接贴屏？！

图片要用文件上传模式，一般。

一、涉及知识点

1、pandas读取已经存在的Excel文件

2、涉及的BIF操作：

df=pd.read_excel('F:/sdf/sdf/output.xlsx',header=None)

pd.to_excel('F:/sdf/sdf/output1.xlsx')

df.shape

df.columns

df.header(5)

df.tail(5)

二、问题点

1、读取xls文件异常（xlrd.biffh.XLRDError: Unsupported format, or corrupt file: Expected BOF record; found b'Test Tim'）

原因：源文件损坏，或者格式有问题（虽然是以.xls结尾，但实际上内容格式有问题的）

import pandas as pd

people=pd.dread_excle('C:/Temp/people.xlsx')

print(people.shape)

print(people.columns)

print('==================')

print(people.tail(3))

read_excel（）方法可以使用xlrd Python模块读取Excel 2003（.xls）和Excel 2007+（.xlsx）文件。 to_excel（）实例方法用于将DataFrame保存到Excel

people.shape 显示（行数，列数）

people.columns显示Index[Titile]

people.head(3)看前三行数据

people.coumns=[]手动设置header

header默认值为0，当一行为错误数据时可以将header改为1实现正确

 pandas 读取现有excel文件的方法：

import pandas as pd
people = pd.read_excel('c:/Temp/People.xlsx')

几个常用的方法：

• .shape: 读取excel的总行数和总列数；
• .columns:读取excel中所有列的标题
• .head(n): 读取除标题外的前n行数据，默认为5行
• .tail(n): 读取末尾n行数据，默认为5行

import pandas as pd
people = pd.read_excel('c:/Temp/People.xlsx')

print(people.shape)
print('=====================')
print(people.columns)
print('=====================')
print(people.head(3))
print('=====================')
print(people.tail(3))

输出结果为

(19972, 6)
=====================
Index(['ID', 'Type', 'Title', 'FirstName', 'MiddleName', 'LastName'], dtype='object')
=====================
   ID      Type Title FirstName MiddleName    LastName
0   1  Employee   NaN       Ken          J     Sánchez
1   2  Employee   NaN     Terri        Lee       Duffy
2   3  Employee   NaN   Roberto        NaN  Tamburello
=====================
          ID                 Type Title FirstName MiddleName LastName
19969  20775  Individual Customer   NaN   Crystal          S       He
19970  20776  Individual Customer   NaN   Crystal        NaN    Zheng
19971  20777  Individual Customer   NaN   Crystal        NaN       Hu

集中常见的特殊情况：

1. 当目标文件的首行不是我们想要的header的时候。需要自定义header的行。

注：编程语言的编号是从0开始的，而excel的行号是从1开始的。

例如：目标文件的header行是exel的第二行，那么代码如下：

import pandas as pd
people = pd.read_excel('c:/Temp/People.xlsx',header=1)

print(people.columns)

2。 当目标文件没有header的时候，此时需要pandas我这个文件没有header

代码如下：

import pandas as pd
people = pd.read_excel('c:/Temp/People.xlsx',header=None)

print(people.columns)

这样pandas将默认用整数字来作为header。如上代码输出如下：

Int64Index([0, 1, 2, 3, 4, 5], dtype='int64')

 此时要想再给目标文件添加header的话，代码如下：

import pandas as pd
people = pd.read_excel('c:/Temp/People.xlsx',header=None)
people.columns=['ID','Type','Title','FirstName','MiddleName','LastName']
print(people.columns)

打印结果

Index(['ID', 'Type', 'Title', 'FirstName', 'MiddleName', 'LastName'], dtype='object')

注：此时虽然我们在程序里面为目标文件添加了header，但实际上并没有写入目标文件people.xlsx 。

如果想要将增加了header的文件在实际文件里体现，有两种方法：

方法1： 输出到一个新的文件

代码如下：

import pandas as pd
people = pd.read_excel('c:/Temp/People.xlsx',header=None)
people.columns=['ID','Type','Title','FirstName','MiddleName','LastName']
print(people.columns)

people.to_excel('C:/Temp/output.xlsx')
print('done!')

注：此时输出的新目标文件包含了我们刚才在程序里面定义的header，同时系统也自动为新文件增加了默认的索引。

我们需要将“ID”指定为索引：

------------复习指定索引------------

import pandas as pd
people = pd.read_excel('c:/Temp/People.xlsx',header=None)
people.columns=['ID','Type','Title','FirstName','MiddleName','LastName']
people = people.set_index('ID')
print(people.columns)

people.to_excel('C:/Temp/output.xlsx')
print('done!')

此方法的一个特点是需要产生一个新的DataFrame，然后在通过people这个变量来重新引用它

--------------复习结束--------------

指定索引的另外一种方式：直接在当前DataFrame上进行修改。

代码如下：

people = pd.read_excel('c:/Temp/People.xlsx', header=None)
people.columns = ['ID', 'Type', 'Title', 'FirstName', 'MiddleName', 'LastName']
people.set_index('ID', inplace=True)
print(people.columns)

people.to_excel('C:/Temp/output.xlsx')
print('done!')

注意：此时的“ID”列已经被定义为了“index”,在我们打印columns的时候index的列名是不会被打印的。

***当我们在使用pandas.read_excel方法读取一个现有的excel文件的时候如果知道该文件的哪一列为index列，则需要指定出来，否则程序会在读取后自动为目标文件添加一个默认的index列。

代码示例：

import pandas as pd

df = pd.read_excel('C:/Temp/output.xlsx',index_col='ID')
df.to_excel('C:/Temp/output2.xlsx')
print('done!')