python读取excel表格的数据

简介:

1.在Windows命令行中安装第三方模块xlrd,先切到python安装目录(Python34),然后切到Scripts,然后输入命令easy_install xlrd按回车进行安装

wKioL1iqsk_i_8pyAABAPczce2s311.png


安装完成

wKioL1iqsmWjiufpAAEhM4Eyl7A280.png


2.新建一个excel表,然后保存,造数据

wKiom1iqsoHTYWMLAAAR01AcJVc626.png


3.编写python脚本

wKiom1iqspeCaL2KAADlSDeoOio556.png


#utf-8

import xlrd     #导入第三方模块xlrd

excel = xlrd.open_workbook('C:\\表格.xlsx')       #打开目标表格文件(填写路径)

sheet = excel.sheets()[0]       #打开表格文件中的第一张表格,索引从0开始

nrows = sheet.nrows     #获取第一张表格的行数赋值给nrows

for i in range (nrows):     #用一个for循环遍历所有的行数

print (sheet.row_values(i))     #打印所有遍历到的行数的内容

print (sheet.col_values(1))     #打开第一张表格的第二列


4.F5运行,运行结果

wKioL1iqsrfThPekAAEIhpNAfSI404.png


5.获取excel中指定行数,列数的内容

wKioL1iqsszjzztFAAECGevj2FU954.png

Print (sheet.cell(1,2))



运行结果

wKioL1iqsuqTMi90AAD_VH12Pi4112.png



本文转自 32氪 51CTO博客,原文链接:http://blog.51cto.com/10672221/1899548

相关文章
|
6天前
|
数据采集 存储 API
网络爬虫与数据采集:使用Python自动化获取网页数据
【4月更文挑战第12天】本文介绍了Python网络爬虫的基础知识,包括网络爬虫概念(请求网页、解析、存储数据和处理异常)和Python常用的爬虫库requests(发送HTTP请求)与BeautifulSoup(解析HTML)。通过基本流程示例展示了如何导入库、发送请求、解析网页、提取数据、存储数据及处理异常。还提到了Python爬虫的实际应用,如获取新闻数据和商品信息。
|
1天前
|
存储 机器学习/深度学习 数据可视化
Python面板时间序列数据预测:格兰杰因果关系检验Granger causality test药品销售实例与可视化
Python面板时间序列数据预测:格兰杰因果关系检验Granger causality test药品销售实例与可视化
24 6
|
1天前
|
机器学习/深度学习 数据采集 供应链
从数据到决策:scikit-learn在业务分析中的应用
【4月更文挑战第17天】本文探讨了scikit-learn在业务分析中的应用,包括数据预处理、分类、回归和聚类模型的构建,以及模型评估与优化。通过使用scikit-learn,企业能有效处理数据、预测趋势、客户细分并制定决策,从而提升经营效率和市场策略。随着机器学习的发展,scikit-learn在业务分析领域的潜力将持续释放,创造更多价值。
|
1天前
|
算法 数据可视化 Python
Python中LARS和Lasso回归之最小角算法Lars分析波士顿住房数据实例
Python中LARS和Lasso回归之最小角算法Lars分析波士顿住房数据实例
|
1天前
|
BI 开发者 数据格式
Python代码填充数据到word模板中
【4月更文挑战第16天】
|
2天前
|
数据可视化 算法 API
Python数据可视化-seaborn Iris鸢尾花数据
Python数据可视化-seaborn Iris鸢尾花数据
|
2天前
|
程序员 索引 Python
06-python数据容器-set(集合)入门基础操作
06-python数据容器-set(集合)入门基础操作
|
2天前
|
索引 容器
06-python数据容器-list列表定义/list的10个常用操作/列表的遍历/使用列表取出偶数
06-python数据容器-list列表定义/list的10个常用操作/列表的遍历/使用列表取出偶数
|
3天前
|
机器学习/深度学习 数据采集 数据挖掘
Python 的科学计算和数据分析: 解释什么是数据规整(Data Wrangling)?
【4月更文挑战第15天】数据规整是将原始数据转化为适合分析和建模的格式的关键步骤,涉及缺失值处理(删除、填充、插值)、异常值检测与处理、数据类型转换、重采样、数据合并、特征选择和特征变换等任务。这些预处理步骤确保数据质量和准确性,为后续的数据分析和机器学习模型构建奠定基础。
16 4
|
5天前
|
存储 安全 数据处理
python如何将数据写到数组里
【4月更文挑战第12天】