通常情况下，我们使用 Pandas 来读取 Excel 数据，可以很方便的把数据转化为 DataFrame 类型。但是现实情况往往很骨干，当我们遇到结构不是特别良好的 Excel 的时候，常规的 Pandas 读取操作就不怎么好用了，今天我们就来看两个读取非常规结构 Excel 数据的例子
本文使用的测试 Excel 内容如下
文末可以获取到该文件
指定列读取
一般情况下，我们使用 read_excel 函数读取 Excel 数据时，都是默认从第 A 列开始读取的，但是对于某些 Excel 数据，往往不是从第 A 列就有数据的，此时我们需要参数 usecols 来进行规避处理
比如上面的 Excel 数据，如果我们直接使用 read_excel(src_file) 读取，会得到如下结果
我们得到了很多未命名的列以及很多我们根本不需要的列数据
此时我们可以通过 usecols 来指定读取哪些列数据
from pathlib import Path src_file = Path.cwd() / 'shipping_tables.xlsx' df = pd.read_excel(src_file, header=1, usecols='B:F')
可以看到生成的 DataFrame 中只包含我们需要的数据，特意排除了 notes 列和 date 字段
usecols 可以接受一个 Excel 列的范围，例如 B:F 并仅读取这些列，header 参数需要一个定义标题列的整数，它的索引从0开始，所以我们传入 1，也就是 Excel 中的第 2 行
我们也可以将列定义为数字列表
df = pd.read_excel(src_file, header=1, usecols=[1,2,3,4,5])
也可以通过列名称来选择所需的列数据
df = pd.read_excel( src_file, header=1, usecols=['item_type', 'order id', 'order date', 'state', 'priority'])
这种做法在列的顺序改变但是列的名称不变的时候非常有用
最后，usecols 还可以接受一个可调用的函数
def column_check(x): if 'unnamed' in x.lower(): return False if 'priority' in x.lower(): return False if 'order' in x.lower(): return True return True df = pd.read_excel(src_file, header=1, usecols=column_check)
该函数将按名称解析每一列，并且必须为每一列返回 True 或 False
当然也可以使用 lambda 表达式
cols_to_use = ['item_type', 'order id', 'order date', 'state', 'priority'] df = pd.read_excel(src_file, header=1, usecols=lambda x: x.lower() in cols_to_use)
范围和表格
在某些情况下，Excel 中的数据可能会更加不确定，在我们的 Excel 数据中，我们有一个想要读取的名为 ship_cost 的表，这该怎么获取呢
在这种情况下，我们可以直接使用 openpyxl 来解析 Excel 文件并将数据转换为 pandas DataFrame
以下是使用 openpyxl（安装后）读取 Excel 文件的方法：
from openpyxl import load_workbook import pandas as pd from pathlib import Path src_file = src_file = Path.cwd() / 'shipping_tables.xlsx' wb = load_workbook(filename = src_file)
查看所有的 sheet 页，获取某个 sheet 页，获取 Excel 范围数据
wb.sheetnames sheet = wb['shipping_rates'] lookup_table = sheet.tables['ship_cost'] lookup_table.ref
现在我们以及知道要加载的数据范围了， 接下来就是将该范围转换为 Pandas DataFrame
# 获取数据范围 data = sheet[lookup_table.ref] rows_list = [] # 循环获取数据 for row in data: cols = [] for col in row: cols.append(col.value) rows_list.append(cols) df = pd.DataFrame(data=rows_list[1:], index=None, columns=rows_list[0])
这样我们就获取到了干净的表数据了
好了，今天的两个小知识点就分享到这里了，我们下次再见！
