Función Pandas pd.read_excel()

Python math 模块 Funciones comunes de Pandas

read_excel()Es la función de la biblioteca pandas utilizada para leer archivos Excel; admite la lectura de.xlsxy.xlsarchivos Excel en formato.

Excel es el formato de archivo más utilizado en el análisis de datos empresariales; admite múltiples hojas de cálculo, formatos de celda enriquecidos, fórmulas, etc.read_excel()Puede leer los datos de un archivo Excel y convertirlos al formato DataFrame de pandas, facilitando el posterior procesamiento y análisis de datos.

Sintaxis básica y parámetros

Formato de sintaxis

pandas.read_excel(io, sheet_name=0, header=0, names=None, index_col=None,
                 usecols=None, dtype=None, skiprows=None, nrows=None,
                 na_values=None, ...)

Descripción de parámetros

Parámetros	Tipo	Descripción	Valor predeterminado
io	str, ExcelFile, path object, file-like object	Ruta del archivo Excel u objeto ExcelFile	Obligatorio
sheet_name	str, int, list, None	Nombre o índice de la hoja de cálculo a leer; `None` lee todas las hojas de cálculo	0
header	int, list of int	Número de fila que se usará como nombres de columnas; 0 indica la primera fila	0
names	list-like	Lista personalizada de nombres de columnas	None
index_col	int, str	Columna utilizada como índice de filas	None
usecols	int, str, list	Leer solo las columnas especificadas	None
dtype	dict	Especificar el tipo de datos de las columnas	None
skiprows	list-like, int	Omitir las filas especificadas	None
nrows	int	Leer solo las primeras n filas	None

Valor de retorno

Tipo de retorno：pd.DataFrameodict of DataFrames
Cuandosheet_nameSi es una sola hoja de cálculo, devuelve un DataFrame.
Cuandosheet_nameSi es `None` o incluye varias hojas de cálculo, devuelve un diccionario cuyas claves son los nombres de las hojas y cuyos valores son los DataFrames correspondientes.

Ejemplos

A través de los siguientes ejemplos, domina completamenteread_excel()los diversos usos.

Ejemplo 1: Leer un archivo Excel local

Primero, crea y lee un archivo Excel simple.

Ejemplo

import pandas as pd
import openpyxl # Requiere instalar: pip install openpyxl

# Crear un DataFrame
data = {
'name': ['Tom', 'Jerry', 'Mike', 'Lucy'],
'age': [28, 35, 42, 26],
'city': ['Beijing', 'Shanghai', 'Guangzhou', 'Shenzhen'],
'salary': [8000, 12000, 15000, 7000]
}
df_original = pd.DataFrame(data)

# Escribir el DataFrame en un archivo Excel
# Ruta del archivo Excel: employees.xlsx
df_original.to_excel('employees.xlsx', index=False, engine='openpyxl')

# Leer el archivo Excel usando read_excel
# io: ruta del archivo (obligatorio)
df = pd.read_excel('employees.xlsx')

# Ver los resultados de la lectura
print("DataFrame leído:")
print(df)
print("ntipo de datos:")
print(df.dtypes)

Resultado esperado:

读取的 DataFrame:
    name  age       city  salary
0    Tom   28    Beijing    8000
1  Jerry   35   Shanghai   12000
2   Mike   42   Guangzhou   15000
3  Lucy   26   Shenzhen    7000

数据类型:
name      object
age        int64
city      object
salary    int64

Análisis del código:

pd.read_excel('employees.xlsx')Es el uso más básico; basta con pasar directamente la ruta del archivo.
De forma predeterminada, se lee la primera hoja de cálculo (sheet_name=0) y la primera fila se usa como nombres de columnas.
Es necesario instalaropenpyxlla librería para admitir la lectura y escritura del formato .xlsx.

Ejemplo 2: Leer múltiples hojas de cálculo

Un archivo Excel puede contener múltiples hojas de cálculo,read_excel()y admite la lectura flexible de hojas de cálculo especificadas o de todas las hojas.

h2 class="example">Ejemplo

import pandas as pd

# Crear un archivo Excel que contenga múltiples hojas de cálculo
# Primero, crear dos DataFrames
df_sales = pd.DataFrame({
'product': ['A', 'B', 'C', 'D'],
'quantity': [100, 200, 150, 80],
'price': [50, 30, 40, 60]
})

df_inventory = pd.DataFrame({
'product': ['A', 'B', 'C', 'D'],
'stock': [500, 300, 400, 200],
'warehouse': ['WH1', 'WH2', 'WH1', 'WH3']
})

# Escribir varias hojas de cálculo en un archivo Excel
with pd.ExcelWriter('multi_sheet.xlsx', engine='openpyxl') as writer:
df_sales.to_excel(writer, sheet_name='Sales', index=False)
df_inventory.to_excel(writer, sheet_name='Inventory', index=False)

# Ejemplo 2a: Leer la hoja de cálculo especificada (por nombre)
df_sales_read = pd.read_excel('multi_sheet.xlsx', sheet_name='Sales')
print("Leer la hoja de cálculo Sales:")
print(df_sales_read)
print()

# Ejemplo 2b: Leer la hoja de cálculo especificada (por índice)
df_inv_read = pd.read_excel('multi_sheet.xlsx', sheet_name=1)
print("Leer la segunda hoja de cálculo (índice 1):")
print(df_inv_read)
print()

# Ejemplo 2c: Leer todas las hojas de cálculo (devuelve un diccionario)
all_sheets = pd.read_excel('multi_sheet.xlsx', sheet_name=None)
print("Nombres de todas las hojas de cálculo:", list(all_sheets.keys()))
print("nRecorrer todas las hojas de cálculo:")
for sheet_name, df_sheet in all_sheets.items():
print(f"n--- {sheet_name} ---")
print(df_sheet)

Resultado esperado:

读取 Sales 工作表:
  product  quantity  price
0       A       100     50
1       B       200     30
2       C       150     40
3       D        80     60

读取第2个工作表 (索引为1):
  product  stock warehouse
0       A    500       WH1
1       B    300       WA2
2       C    400       WH1
3       D    200       WH3

所有工作表名称: ['Sales', 'Inventory']

遍历所有工作表:
--- Sales ---
  product  quantity  price
...

--- Inventory ---
  product  stock warehouse
...

Análisis del código:

sheet_nameEl parámetro puede aceptar el nombre de la hoja de cálculo (cadena) o un índice (entero).
Al configurarlo,sheet_name=Nonese leerán todas las hojas de cálculo, devolviendo un diccionario cuyas claves son los nombres de las hojas y cuyos valores son los DataFrames correspondientes.
Al usarlo,pd.ExcelWriterse pueden escribir fácilmente múltiples hojas de cálculo.

Ejemplo 3: Uso avanzado - Personalizar columnas y omitir filas

En el trabajo real, los archivos Excel pueden tener formatos complejos, lo que requiere un manejo flexible.

Ejemplo

import pandas as pd

# Crear un archivo Excel con una fila de título y filas vacías
# Las primeras filas son metadatos; los datos reales comienzan en la fila 4
data_with_header = """Datos de los empleados de la empresa
Fecha de creación: 2024-01-01
Departamento: Tecnología
---
name,age,city,salary
Tom,28,Beijing,8000
Jerry,35,Shanghai,12000
"""

# Primero crear un CSV y luego convertirlo a Excel (simulando un escenario real)
import io
df_temp = pd.read_csv(io.StringIO(data_with_header.split('---')[1]))
df_temp.to_excel('complex_format.xlsx', index=False, engine='openpyxl')

# Ejemplo 3a: omitir las primeras filas y usar la fila N como nombres de columnas
df_skip = pd.read_excel('complex_format.xlsx', header=3)
print("Omitir las primeras 3 filas y usar la fila 4 como nombres de columnas:")
print(df_skip)
print()

# Ejemplo 3b: Leer solo las columnas especificadas
df_cols = pd.read_excel('complex_format.xlsx', usecols=['name', 'salary'])
print("Leer solo las columnas name y salary:")
print(df_cols)
print()

# Ejemplo 3c: Leer solo las primeras filas
df_head = pd.read_excel('complex_format.xlsx', nrows=2)
print("Leer solo las primeras 2 filas:")
print(df_head)
print()

# Ejemplo 3d: Personalizar los nombres de las columnas
df_custom_names = pd.read_excel('complex_format.xlsx',
names=['Nombre', 'Edad', 'Ciudad', 'Salario'],
header=0)
print("Nombres de columnas personalizados:")
print(df_custom_names)

Resultado esperado:

跳过前3行，使用第4行作为列名:
    name  age     city  salary
0    Tom   28  Beijing    8000
1  Jerry   35  Shanghai  12000

只读取 name 和 salary 列:
    name  salary
0    Tom    8000
1  Jerry  12000

只读取前2行:
    name  age     city  salary
0    Tom   28  Beijing    8000

自定义列名:
     姓名  年龄       城市    薪资
0    Tom   28    Beijing   8000
1  Jerry   35   Shanghai  12000

Análisis del código:

headerEl parámetro especifica qué fila se usa como nombres de columnas (la numeración comienza desde 0).
usecolsSe puede especificar qué columnas leer; admite listas de nombres de columnas o índices de columnas.
nrowsLimita el número de filas a leer; es apto para la lectura parcial de archivos grandes.
namesEl parámetro puede personalizar los nombres de las columnas y sobrescribirá los nombres de columnas originales del archivo.

Notas importantes

Para leer el formato .xlsx se necesita instalaropenpyxl：pip install openpyxl。
Para leer el formato .xls se necesita instalarxlrd：pip install xlrd(Nota: la versión xlrd 2.0+ ya no admite archivos .xls).
Los archivos Excel tienen límites de filas y columnas (máximo 1048576 filas, 16384 columnas); superar esos límites provocará pérdida de datos.
Al leer archivos grandes, se puede considerar usarusecolsel parámetro para leer solo las columnas necesarias, mejorando el rendimiento.
sheet_nameEl parámetro admite el uso mixto de nombres e índices.

Resumen

read_excel()Es la función central de pandas para leer archivos Excel y es muy potente. Admite la lectura de una o varias hojas de cálculo y puede manejar con flexibilidad archivos Excel de diversos formatos.

En el trabajo real de análisis de datos, los archivos Excel son una de las fuentes de datos más comunes. Dominarread_excel()el uso de los diversos parámetros permite manejar eficientemente diversos datos de Excel, preparando para la posterior limpieza y análisis de datos. Se recomienda al lector practicar más, especialmente la lectura de múltiples hojas de cálculo y la configuración de parámetros.

Python math 模块 Funciones comunes de Pandas

Otras extensiones

Lectura y escritura de datos

Núcleo de procesamiento de datos

Manual de referencia

Estadística y casos

Función Pandas pd.read_excel()

Sintaxis básica y parámetros

Formato de sintaxis

Descripción de parámetros

Valor de retorno

Ejemplos

Ejemplo 1: Leer un archivo Excel local

Ejemplo

Ejemplo 2: Leer múltiples hojas de cálculo

Ejemplo 3: Uso avanzado - Personalizar columnas y omitir filas

Ejemplo

Notas importantes

Resumen