如何使用Python讀取.xlsx指定行列

更新時間：2022年09月22日 15:41:56 作者：L_Jane_H

讀取xlsx的整列數據很容易,但是要讀取指定sheet的指定列,這個相信大多數程序員都不會,下面這篇文章主要給大家介紹了關于如何使用Python讀取.xlsx指定行列的相關資料,需要的朋友可以參考下

引言

本文以Python3.9.1讀取data.xlsx中包含的西瓜數據集3.0數據為例，數據集如下：

編號	色澤	根蒂	敲聲	紋理	臍部	觸感	密度	含糖率	好瓜
1	青綠	蜷縮	濁響	清晰	凹陷	硬滑	0.697	0.46	是
2	烏黑	蜷縮	沉悶	清晰	凹陷	硬滑	0.774	0.376	是
3	烏黑	蜷縮	濁響	清晰	凹陷	硬滑	0.634	0.264	是
4	青綠	蜷縮	沉悶	清晰	凹陷	硬滑	0.608	0.318	是
5	淺白	蜷縮	濁響	清晰	凹陷	硬滑	0.556	0.215	是
6	青綠	稍蜷	濁響	清晰	稍凹	軟粘	0.403	0.237	是
7	烏黑	稍蜷	濁響	稍糊	稍凹	軟粘	0.481	0.149	是
8	烏黑	稍蜷	濁響	清晰	稍凹	硬滑	0.437	0.211	是
9	烏黑	稍蜷	沉悶	稍糊	稍凹	硬滑	0.666	0.091	否
10	青綠	硬挺	清脆	清晰	平坦	軟粘	0.243	0.267	否
11	淺白	硬挺	清脆	模糊	平坦	硬滑	0.245	0.057	否
12	淺白	蜷縮	濁響	模糊	平坦	軟粘	0.343	0.099	否
13	青綠	稍蜷	濁響	稍糊	凹陷	硬滑	0.639	0.161	否
14	淺白	稍蜷	沉悶	稍糊	凹陷	硬滑	0.657	0.198	否
15	烏黑	稍蜷	濁響	清晰	稍凹	軟粘	0.36	0.37	否
16	淺白	蜷縮	濁響	模糊	平坦	硬滑	0.593	0.042	否
17	青綠	蜷縮	沉悶	稍糊	稍凹	硬滑	0.719	0.103	否

代碼段：

一、讀取工作表內容（.xlsx轉化為DataFrame）

導入pandas庫，讀取工作表數據

import pandas as pd
df = pd.read_excel(r'E:\Aownplan\data.xlsx')#默認讀取工作簿中第一個工作表，默認第一行為表頭

備注：r是為了讀取文件路徑中\字符，防止轉義。

此處利用pandas庫的 read_excel 函數讀取文件，獲取到的函數返回值類型為DataFrame，后續(xù)所有的操作均是基于DataFrame的數據操作方法進行。

二、獲取指定行指定列數據（DataFrame轉化為numpy.ndarray）

獲取整個工作表數據

data=df.values#獲取整個工作表數據
print("讀取整個工作表的數據：\n{0}".format(data))

獲取某一行數據

data=df.iloc[0].values#0表示第一行，不包含表頭
print("讀取指定行的數據：\n{0}".format(data))

獲取多行數據

data=df.head().values#head()默認讀取前5行數據（不包含表頭）
print("獲取工作表前5行數據:\n{0}".format(data))

data=df.iloc[[1,2]].values#讀取指定多行，在iloc[]里面嵌套列表指定行數
print("讀取指定多行的數據：\n{0}".format(data))

data=df.sample(3).values#讀取df中隨機3行數據(3個樣本）
print("獲取隨機多行數據:\n{0}".format(data))

獲取指定單元格數據

data=df.iloc[1,2]#讀取索引為[1, 2]的值，這里不需要嵌套列表
print("讀取指定某行某列（單元格）的數據：\n{0}".format(data))

獲取指定列數據

print("輸出值\n",df['含糖率'].values)

獲取指定多列數據

data=df.loc[:,['敲聲','紋理']].values#讀所有行的敲聲以及紋理列的值，這里需要嵌套列表
print("讀取指定列的數據：\n{0}".format(data))

獲取指定多行多列數據

data=df.loc[[1,2],['密度','含糖率']].values#讀取第一行第二行的密度以及含糖率列的值，這里需要嵌套列表
print("讀取指定多行多列的數據：\n{0}".format(data))

獲取行號和列標題

print("輸出行號列表",df.index.values)
print("輸出列標題",df.columns.values)

三、數據處理（numpy.ndarray轉化為list/set/dict）

（1）轉化為列表list

以上通過.values方法獲取到的data值，均為二維值數組（numpy.ndarray）類型，在使用時如果需要轉換為列表類型，可使用.tolist()方法，如：

data=df.values.tolist()

此時的輸出為：

此時的data為list類型，其中每一行數據均為一個列表，多個列表合并為一個二維列表，此時要獲取指定行(m)的數據，使用 data[m]，獲取指定單元格數據，使用data[m][n]。

（2）轉化為集合set

在分析時，若想獲取某一列的數據集合，則可以先提取該列數據，然后使用set()函數將其轉化為集合即可，如當前為獲取敲聲的類型，進行如下操作：

data=df['敲聲'].values
print(set(data))

此時的輸出：

{'清脆', '濁響', '沉悶'}

獲取除編號，密度，含糖率外所有列的集合：

titles = df.columns.values
for title in titles:
    if title != '編號' and title != '密度' and title != '含糖率':
        key = df[title].values
        values = set(key)
        print(title,':',values)

輸出：

色澤 : {'烏黑', '青綠', '淺白'}
根蒂 : {'蜷縮', '稍蜷', '硬挺'}
敲聲 : {'清脆', '濁響', '沉悶'}
紋理 : {'清晰', '稍糊', '模糊'}
臍部 : {'平坦', '稍凹', '凹陷'}
觸感 : {'硬滑', '軟粘'}
好瓜 : {'是', '否'}

（3）轉化為字典dict

如果需要讀取某一行的數據為字典，可進行如下操作：

data=df.iloc[0].values#獲取某行數據
title=df.columns.values#獲取列標題
a=zip(title,data)#將其壓縮為一個元組
print(dict(a))#轉化為字典

輸出：

{'編號': 1, '色澤': '青綠', '根蒂': '蜷縮', '敲聲': '濁響', '紋理': '清晰', '臍部': '凹陷', '觸感': '硬滑', '密度': 0.697,'含糖率': 0.46, '好瓜': '是'}

獲取除編號，密度，含糖率外所有列的字典：

titles = df.columns.values
adict=dict()
for title in titles:
    if title != '編號' and title != '密度' and title != '含糖率':
        key = df[title].values
        adict[title]=set(key)
print(adict)

輸出：

{'色澤': {'烏黑', '青綠', '淺白'}, '根蒂': {'蜷縮', '稍蜷', '硬挺'}, '敲聲': {'清脆', '濁響', '沉悶'}, '紋理': {'清晰', '稍糊', '模糊'}, '臍部': {'平坦', '稍凹', '凹陷'}, '觸感': {'硬滑', '軟粘'}, '好瓜': {'是', '否'}}