⑤ usecols=[“列名1”,“列名2”…]
这种方式照说是没有任何问题的，但是在我这边运行总是无结果，我很纳闷，大家可以下去试试。
4）names参数
含义：如果表中没有表头，可以用这个参数添加一个标题。如果表中有表头，可以用这个参数修改标题。
names = ["月份","语文","英语"] df6 = pd.read_excel("names.xlsx",header=None,names=names) df6
结果如下：
5）dtype参数
含义：读取数据时，设置每一列的数据类型（重要）；
dtype={}传入一个字典，类似于{“列名”:“类型”}；
df7 = pd.read_excel("dtype.xlsx") df7.dtypes ------------------------------------------------------ df7 = pd.read_excel("dtype.xlsx",dtype={"年龄":"str"}) df7.dtypes
结果如下：
6）parse_dates参数
含义：指定将哪些列，解析为日期格式；
parse_dates=True是专门用于将行索引，解析为日期格式；
parse_dates=[0,1,2,3,4]和parse_dates=[“列名1”,“列名2”,“列名3”,“列名4”]，都是将指定列一起解析为日期格式；
parse_dates=[[1,2,3]]和parse_dates=[[“年”,“月”,“日”]]，都是将多个列，解析为单个日期列；
parse_dates={“日期”:[1,2,3]}不仅将多个日期列解析为单个日期列，同时还为这一列命名；
① parse_dates=True
df8 = pd.read_excel("parse_dates",index_col=2,parse_dates=True) df8.index
结果如下：
② parse_dates=[0,1,2,3,4]和parse_dates=[“列名1”,“列名2”,“列名3”,“列名4”]
df8 = pd.read_excel("parse_dates",parse_dates=[0,1,2,3,4]) df8.dtypes # 这个代码效果同上 df8 = pd.read_excel("parse_dates.xlsx", parse_dates=["数值日期1","文本日期2","文本日期3","文本日期4","文本日期5"])
结果如下：
③ parse_dates=[[1,2,3]]和parse_dates=[[“年”,“月”,“日”]]
#df8 = pd.read_excel("parse_dates.xlsx",sheet_name="Sheet2",parse_dates=[["年","月","日"]]) df8 = pd.read_excel("parse_dates.xlsx",sheet_name="Sheet2",parse_dates=[[1,2,3]]) df8
结果如下：
④ parse_dates={“日期”:[1,2,3]}
df8 = pd.read_excel("parse_dates.xlsx",sheet_name="Sheet2",parse_dates={"日期":[1,2,3]}) df8
结果如下：
7）date_parser参数
含义：利用lambda函数，将某个字符串列，解析为日期格式；
一般是配合parse_dates参数，一起使用；
df9 = pd.read_excel("date_parser.xlsx",parse_dates=[1], date_parser=lambda x: pd.to_datetime(x,format="%Y年%m月%d")) print(df9.dtypes) df9
结果如下：
8）na_values参数
含义：用于将某些特定的值，解析为NaN值，然后便于我们后面做缺失值的处理；
na_values=”值1“表示将所有数据中值1全部替换为NaN；
na_values=[”值1“,“值2”]表示将所有数据中值1、值2全部替换为NaN；
na_values={“列1”:[”值1“,“值2”]}表示将第一列中所有的值1、值2全部替换为NaN；
① na_values=”值1“
df10 = pd.read_excel("na_values.xlsx",na_values=" ") df10
结果如下：
② na_values=[”值1“,“值2”]
df10 = pd.read_excel("na_values.xlsx",na_values=["a","0"]) df10
结果如下：
③ na_values={“列1”:[”值1“,“值2”]}
# 只替换某一列中的某些值为NaN df10 = pd.read_excel("na_values.xlsx",na_values={"列2":["0"," "]}) df10
结果如下：
9）converters参数
含义：对某一列使用Lambda函数，进行某种运算；
例如：converters={“工资”:lambda x: x + 1000}；
df11 = pd.read_excel("converters.xlsx", converters={"地址":lambda x: "中国"+x,"工资":lambda x: x + 1000}) df11
结果如下：
