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: