python 编程中 pandas 如何读取 xlsx 文件

Pandas是Python中一个强大的数据处理库，可以读取、处理、分析各种形式的数据。在处理.xls和.xlsx文件时，Pandas通过read_excel函数轻松实现这一功能。这主要得益于Pandas背后强大的Excel读取引擎——openpyxl和xlrd。这些库使得读取Excel文件变得既简单又高效。特别是当处理大规模数据时，Pandas显示出其高效和灵活的特点，从而成为数据科学家和分析师的首选工具之一。

在这里，我们将重点讲解如何使用Pandas的read_excel方法读取.xlsx文件。read_excel方法默认使用openpyxl作为其引擎，因为openpyxl是处理.xlsx文件的推荐库。使用Pandas读取.xlsx文件时，只需几行代码即可：首先导入Pandas库，然后通过指定文件路径和文件名来调用read_excel方法。这种方法不仅简洁高效，而且可以通过传递不同的参数来定制读取过程，例如读取指定的工作表、指定列、跳过行等。

一、安装必要的库

要使用Pandas读取xlsx文件，首先需要确保你的环境中已经安装了Pandas库。如果还没有安装，可以通过以下命令进行安装：

pip install pandas

除了Pandas，还需要安装openpyxl库，这是Pandas读取Excel文件的推荐引擎。同样地，通过pip命令即可安装：

pip install openpyxl

二、读取整个xlsx文件

读取整个xlsx文件是最基本的操作。通过简单的Python脚本，使用Pandas的read_excel函数，就可以轻松完成这个任务。下面是基本的步骤和相应的代码示例：

首先，需要导入pandas库，并选择合适的读取引擎。然后，使用read_excel函数，指定文件路径和工作簿名称，即可将xlsx文件载入为DataFrame。

import pandas as pd

读取xlsx文件
df = pd.read_excel("example.xlsx", engine='openpyxl')
print(df)

通过这段代码，Pandas会读取example.xlsx文件中的所有数据，并将其作为一个DataFrame对象存储。此时，你可以使用Pandas提供的各种功能对这些数据进行进一步的处理和分析。

三、读取指定工作表

xlsx文件可能包含多个工作表，有时我们只想读取其中的一两个。Pandas提供了灵活的方式来指定需要读取的工作表。

# 读取指定工作表名

df_sheet_name = pd.read_excel("example.xlsx", sheet_name='Sheet1', engine='openpyxl')
print(df_sheet_name)
通过工作表索引读取
df_sheet_index = pd.read_excel("example.xlsx", sheet_name=0, engine='openpyxl')
print(df_sheet_index)

通过指定sheet_name参数，可以直接通过工作表名或其在xlsx文件中的索引位置来读取特定的工作表。这在处理包含多个工作表的情况时特别有用。

四、读取指定列

在许多情况下，我们可能只对文件中的某些列感兴趣。Pandas允许我们在读取文件时就指定需要读取的列。

# 仅读取A和B两列

df_columns = pd.read_excel("example.xlsx", usecols=['A', 'B'], engine='openpyxl')
print(df_columns)

通过usecols参数，可以指定需要加载的列名或列的索引范围，这样就可以在读取数据时直接过滤掉不需要的部分，从而节省内存和处理时间。

五、跳过头几行

有时候，Excel文件的前几行可能是标题或者注释，并不是我们需要分析的数据。Pandas也能够处理这种情况。

# 跳过前3行

df_skiprows = pd.read_excel("example.xlsx", skiprows=3, engine='openpyxl')
print(df_skiprows)

通过skiprows参数，可以指定需要跳过的行数。这样，Pandas就只会从指定的行开始读取数据，非常适合处理包含非数据行的文件。

六、处理大数据文件

当处理大型的Excel文件时，出于性能和内存使用的考虑，可能需要对读取过程进行优化。Pandas提供了几种技巧来优化读取大文件的过程，包括使用dtype参数指定列的数据类型、分块读取文件等。

使用dtype可以显著减少内存的占用，因为Pandas默认会尝试为每列数据找到最合适的数据类型。如果你提前知道每列的数据类型，直接指定这些类型可以避免Pandas进行不必要的类型推断，进而加快读取速度并减少内存消耗。

df_dtype = pd.read_excel("example.xlsx", dtype={'ID': int, 'Name': str}, engine='openpyxl')

print(df_dtype)

分块读取是处理大文件的另一个有效策略。通过设置chunksize参数，Pandas会将文件分成小块进行读取和处理。这种方式特别适合处理无法一次性载入内存的大型文件。

# 使用chunksize分块读取大文件

with pd.read_excel("example.xlsx", chunksize=1000, engine='openpyxl') as reader:
    for chunk in reader:
        print(chunk)

通过掌握以上方法，即使是Excel数据处理的新手也能够利用Pandas库高效地读取和处理.xlsx文件。无论是简单的数据导入，还是复杂的数据预处理，Pandas都能提供强有力的支持。

相关问答FAQs：

可以使用pandas模块中的read_excel()函数来读取xlsx文件。具体步骤如下：

1. 如何使用read_excel()函数读取xlsx文件？
   可以使用以下代码来读取xlsx文件：

import pandas as pd
df = pd.read_excel('文件路径.xlsx')

其中，'文件路径.xlsx'是待读取的xlsx文件的路径，可以是相对路径或绝对路径。

2. 如何指定读取特定的工作表？
   默认情况下，read_excel()函数会读取xlsx文件中的第一个工作表。若要指定读取特定的工作表，可以在函数中使用sheet_name参数来指定工作表的名称或索引。例如，使用索引来指定读取第二个工作表：

df = pd.read_excel('文件路径.xlsx', sheet_name=1)

若要读取多个工作表，可以传入一个包含工作表名称或索引的列表。

3. 如何处理读取到的数据？
   read_excel()函数会将xlsx文件的内容读取为一个DataFrame对象，可以使用DataFrame的各种方法和属性来对数据进行处理。
   例如，可以使用head()方法查看前几行数据：

print(df.head())

还可以使用DataFrame对象的shape属性获取数据的行列数：

print(df.shape)

此外，还可以对数据进行筛选、排序、统计等操作，以满足具体需求。

最后建议，企业在引入信息化系统初期，切记要合理有效地运用好工具，这样一来不仅可以让公司业务高效地运行，还能最大程度保证团队目标的达成。同时还能大幅缩短系统开发和部署的时间成本。特别是有特定需求功能需要定制化的企业，可以采用我们公司自研的企业级低代码平台：织信Informat。 织信平台基于数据模型优先的设计理念，提供大量标准化的组件，内置AI助手、组件设计器、自动化（图形化编程）、脚本、工作流引擎（BPMN2.0）、自定义API、表单设计器、权限、仪表盘等功能，能帮助企业构建高度复杂核心的数字化系统。如ERP、MES、CRM、PLM、SCM、WMS、项目管理、流程管理等多个应用场景，全面助力企业落地国产化/信息化/数字化转型战略目标。