iPythonのパンダライブラリを使用して.xlsxファイルを読み取る方法は?


102

PythonのPandasライブラリを使用して.xlsxファイルを読み取り、そのデータをpostgreSQLテーブルに移植したいと考えています。

私が今までにできることは次のとおりです。

import pandas as pd
data = pd.ExcelFile("*File Name*")

これで、ステップが正常に実行されたことがわかりましたが、読み込まれたExcelファイルを解析して、Excelのデータが変数データのデータにどのようにマップされるかを理解できるようにしたいと思います。
私が間違っていなければ、データはDataframeオブジェクトであることを学びました。では、このデータフレームオブジェクトを解析して、各行を行ごとに抽出する方法を教えてください。


8
df = pd.ExcelFile( 'ファイル名').parse( 'シート1'); docs pandas.pydata.org/pandas-docs/dev/io.html#excel-files
Jeff

回答:


162

私は通常DataFrame、すべてのシートのを含む辞書を作成します。

xl_file = pd.ExcelFile(file_name)

dfs = {sheet_name: xl_file.parse(sheet_name) 
          for sheet_name in xl_file.sheet_names}

アップデート:でパンダバージョン0.21.0+あなたが渡すことで、よりきれいに、この動作を取得しますsheet_name=Noneしますread_excel

dfs = pd.read_excel(file_name, sheet_name=None)

0.20前に、これがあったsheetnameのではなくsheet_name(これは今上記を支持して非難されます)。

dfs = pd.read_excel(file_name, sheetname=None)

アンディ、ありがとう。これはうまくいきました。ここからの私の次のステップは、これをpostgreSQLデータベースに書き込むことです。どのライブラリを使用するのが最適ですか?SQLAlchemy?
Sabareesh Kappagantu 2013年

うーん、あなたがmysqlと言ったら-私は答えを知っているでしょう、postgres ちょうど同じように動作するかもしれません... 100%ではありません。(良い質問になります。)
Andy Hayden

私はそれを行う方法を得ました。Sqlalchemyを使用しました。あなたは正しかった、それはmysqlにかなり似ています。エンジンの作成、メタデータの収集、データの操作が含まれていました。アンディ、ありがとう!:)ヘルプに感謝します。
Sabareesh Kappagantu 2013年

1
pandas.DataFrame.to_sql助けになるかもしれません。読み取りには、dp.pyPandas DataFrameオブジェクトを返すものを使用できます。
FinnÅrupNielsen 2015

私は似たようなものを達成しようとしていますが、2つのxlsx excelファイルを使用して1つのデータフレームを作成することで、これについて検討して続行する方法を手伝ってくれるかどうか疑問に思っているので、別の質問stackoverflow.com / questions / 16888888 /… @AndyHayden
Deepak M

25
from pandas import read_excel
# find your sheet name at the bottom left of your excel file and assign 
# it to my_sheet 
my_sheet = 'Sheet1' # change it to your sheet name
file_name = 'products_and_categories.xlsx' # change it to the name of your excel file
df = read_excel(file_name, sheet_name = my_sheet)
print(df.head()) # shows headers with top 5 rows

11

DataFrameのread_excelメソッドはメソッドに似ていread_csvます:

dfs = pd.read_excel(xlsx_file, sheetname="sheet1")


Help on function read_excel in module pandas.io.excel:

read_excel(io, sheetname=0, header=0, skiprows=None, skip_footer=0, index_col=None, names=None, parse_cols=None, parse_dates=False, date_parser=None, na_values=None, thousands=None, convert_float=True, has_index_names=None, converters=None, true_values=None, false_values=None, engine=None, squeeze=False, **kwds)
    Read an Excel table into a pandas DataFrame

    Parameters
    ----------
    io : string, path object (pathlib.Path or py._path.local.LocalPath),
        file-like object, pandas ExcelFile, or xlrd workbook.
        The string could be a URL. Valid URL schemes include http, ftp, s3,
        and file. For file URLs, a host is expected. For instance, a local
        file could be file://localhost/path/to/workbook.xlsx
    sheetname : string, int, mixed list of strings/ints, or None, default 0

        Strings are used for sheet names, Integers are used in zero-indexed
        sheet positions.

        Lists of strings/integers are used to request multiple sheets.

        Specify None to get all sheets.

        str|int -> DataFrame is returned.
        list|None -> Dict of DataFrames is returned, with keys representing
        sheets.

        Available Cases

        * Defaults to 0 -> 1st sheet as a DataFrame
        * 1 -> 2nd sheet as a DataFrame
        * "Sheet1" -> 1st sheet as a DataFrame
        * [0,1,"Sheet5"] -> 1st, 2nd & 5th sheet as a dictionary of DataFrames
        * None -> All sheets as a dictionary of DataFrames

    header : int, list of ints, default 0
        Row (0-indexed) to use for the column labels of the parsed
        DataFrame. If a list of integers is passed those row positions will
        be combined into a ``MultiIndex``
    skiprows : list-like
        Rows to skip at the beginning (0-indexed)
    skip_footer : int, default 0
        Rows at the end to skip (0-indexed)
    index_col : int, list of ints, default None
        Column (0-indexed) to use as the row labels of the DataFrame.
        Pass None if there is no such column.  If a list is passed,
        those columns will be combined into a ``MultiIndex``
    names : array-like, default None
        List of column names to use. If file contains no header row,
        then you should explicitly pass header=None
    converters : dict, default None
        Dict of functions for converting values in certain columns. Keys can
        either be integers or column labels, values are functions that take one
        input argument, the Excel cell content, and return the transformed
        content.
    true_values : list, default None
        Values to consider as True

        .. versionadded:: 0.19.0

    false_values : list, default None
        Values to consider as False

        .. versionadded:: 0.19.0

    parse_cols : int or list, default None
        * If None then parse all columns,
        * If int then indicates last column to be parsed
        * If list of ints then indicates list of column numbers to be parsed
        * If string then indicates comma separated list of column names and
          column ranges (e.g. "A:E" or "A,C,E:F")
    squeeze : boolean, default False
        If the parsed data only contains one column then return a Series
    na_values : scalar, str, list-like, or dict, default None
        Additional strings to recognize as NA/NaN. If dict passed, specific
        per-column NA values. By default the following values are interpreted
        as NaN: '', '#N/A', '#N/A N/A', '#NA', '-1.#IND', '-1.#QNAN', '-NaN', '-nan',
    '1.#IND', '1.#QNAN', 'N/A', 'NA', 'NULL', 'NaN', 'nan'.
    thousands : str, default None
        Thousands separator for parsing string columns to numeric.  Note that
        this parameter is only necessary for columns stored as TEXT in Excel,
        any numeric columns will automatically be parsed, regardless of display
        format.
    keep_default_na : bool, default True
        If na_values are specified and keep_default_na is False the default NaN
        values are overridden, otherwise they're appended to.
    verbose : boolean, default False
        Indicate number of NA values placed in non-numeric columns
    engine: string, default None
        If io is not a buffer or path, this must be set to identify io.
        Acceptable values are None or xlrd
    convert_float : boolean, default True
        convert integral floats to int (i.e., 1.0 --> 1). If False, all numeric
        data will be read in as floats: Excel stores all numbers as floats
        internally
    has_index_names : boolean, default None
        DEPRECATED: for version 0.17+ index names will be automatically
        inferred based on index_col.  To read Excel output from 0.16.2 and
        prior that had saved index names, use True.

    Returns
    -------
    parsed : DataFrame or Dict of DataFrames
        DataFrame from the passed in Excel file.  See notes in sheetname
        argument for more information on when a Dict of Dataframes is returned.

6

シート名を使用する代わりに、ubuntu(私の場合はPython 3.6.7、ubuntu 18.04)でチェックインするためのExcelファイルがわからない、または開けない場合は、パラメーターindex_col(index_col = 0 for最初のシート)

import pandas as pd
file_name = 'some_data_file.xlsx' 
df = pd.read_excel(file_name, index_col=0)
print(df.head()) # print the first 5 rows

1
また、使用することができsheet_name=0、シートの名前の代わりに、0
Plajerity

1
そうです。ただし、依存関係xlrdが必要です。(pip3.7.4.exe Windowsにxlrdをインストール)
ハリー

5

スプレッドシートのファイル名を file

スプレッドシートを読み込む

シート名を印刷する

名前でシートをDataFrameに読み込みます:df1

file = 'example.xlsx'
xl = pd.ExcelFile(file)
print(xl.sheet_names)
df1 = xl.parse('Sheet1')

2

read_excel()関数を使用して開いたファイルで使用する場合はopen()rbエンコードエラーを回避するために、必ずopen関数に追加してください。

弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.