段丞博：使用Pandas处理excel文件-（1）动机和资源

段丞博：使用Pandas处理excel文件-（2）DataFrame和相关概念

段丞博：使用Pandas处理excel文件-（3）从Python默认数据类型中产生DataFrame

段丞博：使用Pandas处理excel文件-（4）读写excel表格

段丞博：使用Pandas处理excel文件-（5）访问DataFrame中的数据

段丞博：使用Pandas处理excel文件-（6）筛选DataFrame中满足特定条件的数据

段丞博：使用Pandas处理excel文件-（7）删除、增添行列或标签

段丞博：使用Pandas处理excel文件-（8）pandas中处理日期的四种基本数据类型介绍

段丞博：使用Pandas处理excel文件-（9）日期的处理

段丞博：使用Pandas处理excel文件-（10）数据处理

pandas在对excel处理上使用了已有的一些python库，这里只关注读excel文件的两个操作，一个是readexcel，它是用来直接读取excel文件的。另外一个是ExcelFile类，它主要参与上下文管理。而写文件，通用使用DataFrame的方法to_excel实现。

读取excel文件

读取excel文件需要预处理的问题

在读写excel文件时，我们要考虑的一些问题。

1. 每个excel文件包含多个表格(sheet)，如何读取一个或者多个表格；
2. 每个表格中读取哪些列；
3. 是否使用数据第一行作为列标签，第一行是否是正式内容；
4. 是否需要指定行的标签；
5. 是否要对读取的数据提前进行处理，例如字符串日期之间的转换。

读取excel文件

无论直接使用read_excel，还是ExcelFile进行上下文管理，都可以实现对直接或者部分读取excel文件。假设有下面的名为"e1.xlsx"的文件，里面包含了两个sheets，一个叫"A1"，一个叫"A2"，内容分别如下所示。

在只提供默认路径的情况下，直接用read_exce读取效果如下。

可以看到只读了文件中的表格"A1"，如果用ExcelFile上下文管理读取，情况是类似的：

那这是不是说没在默认情况下，两种方法都只读了第一个表格呢？对于第二种情况，其实已经把表格"A2"也一并读入，只是在没有指定显示哪个表格时，默认显示第一个表格。变量e1自带的属性sheet_names说明了这一点。

而直接使用read_excel，在默认的条件下，只读取第一个表格。

如果想直接用readexcel读出所有的表格，可在设置参数sheet_name=None来实现，具体如下。

从结果可以看出，这时两个表格以字典的形式返回，字典中每个键值对应sheet在excel文件中的名字。

除此之外，如果文件中的表格很多，也可以用sheet_name读取多张指定的表格，由于这里只有两个表格，以读取第二张表格为例说明，示意如下。

对于sheet_name，无论是用表格的名称“A2”还是，它在excel文件中处于编号为1（第二个，python从0开始计数），都可以正确读取相应的表格。利用ExcelFile的操作是类似的，区别仅仅在于它一次性读入所有表格。

读取指定列

对于每一个表格，也许在某次处理中，并不需要所有数据，只需要读取特定的列，这时候，可以用参数usecols指定，例如考虑读取"A1"表格中的姓名和职业两列。

参数usecols中，列的顺序是无关紧要的，即usecols=[1,3]和[3,1]效果是一样的，安装表格中的顺序输出。当然也可以用列标签来读取，如下。

甚至可以用表格在Excel中的列标号来读取，如图“职业”和“姓名”对应的字母是"BD"那么

也是成立的，甚至可以用"C:F"这样的格式表示从“C”列读取至“F”列。

表格第一行的处理

在段丞博：使用Pandas处理excel文件-（2）DataFrame和相关概念的内容中介绍过从excel文件中读取表格时，对于表格第一行的默认处理。表头的实际情况通常是非常多样的，很多时候只靠一行是无法对数据的种类进行区分，所以在Pandas有MultiIndex的概念，对应高维数组。这里仅考虑如何对表格第一行进行处理，使用header指定表格第一行是否作为列标签处理，效果如下。

图中的第一次操作，header=0，和默认的效果一样，即第一行作为列标签。如果header=None，即整个表格作为数据读取，pandas自动用序号作为列标签。

这里自然就有另外的问题，如果header=1，或者header=[0,1,2]又会是什么含义呢？如果header仅仅为整数，那么含义就是让这一行称为列标签，如果是列表，包含多个整数，它的含义是这几行都是列标签，这涉及到高维数组，这里就不解释了。

列标签

通常的excel表格不会专门用一列固定作为行标签使用，因此在默认的情况下，pandas总是自己给表格加上从0计数的行标签。如果在读取excel表格时，需要指定某一列内容作为行标签使用，可以用index_col设定，如下指定了姓名这一列作为行标签使用。

对读入数据的特殊处理

将读入的数据以一定的方式处理称为解析（parser），当然这样的处理很宽泛。我们使用excel最直接的经验是某些列是数字，但是混入了字符格式；某个字符格式是id，结果被识别成了整数；一串字符应该以日期的方式呈现等等，这都需要对数据进行解析，或者说处理。而这些需求是多种多样的，pandas提供了多种方式处理。

这里举一个最简单的例子，通常我们需要表格中每一列的数据类型应该是保持一致的，这样才能和相应的标签呼应。例如性别一栏，肯定是字符“男”或者“女”，如果混入了其它内容显然是不合适的。同样如果有身份证一栏，我们希望以字符串的格式读入，而不是整数，因为一些身份证号中含有字母。因此如果对一列整体处理的话，可以用dtype来实现。以上面的表格为例，年龄以浮点数的方式读入，如下。

（二）写excel表格

写入文件要相对简单很多，如果将DataFrame直接写入excel可使用to_excel函数实现，如果有多个表格写入同一个文件，可以用ExcelWriter实现，这一点就不再总结了。

在打开excel文件时，除了上述内容外，还存在许多其他需要处理的内容，例如表格中是否有空行，是否有注释行，一些不合理数据如何处理等等。这些问题在数据量特别大的时候，很可能成为数据预处理中最繁琐的事情，而对于日常使用，这些并不是太大的问题，如果需要可以参考pandas的手册。