读取 Excel 文件

默认读取¶

默认读取是最简单的方式，使用 pd.read_csv(‘xxxx.csv’) 即可读取对应文件
现在尝试使用 pandas 读取当前目录下 r”C:\Users\25569\Desktop\111.xlsx”

import pandas as pd
data = pd.read_csv(r"C:\Users\25569\Desktop\111.xlsx")

注意
使用 pandas 读取 CSV 与读取 xlsx 格式的 Excel 文件方法大致相同
因此下面与 Excel 相关的读取操作均以 xlsx 格式进行介绍

读取前 n 行¶

读取当前目录下 某招聘网站数据.csv 文件的 前20行

data = pd.read_csv("某招聘网站数据.csv",nrows = 20)
print(data)

跳过前 n 行¶

读取当前目录下 某招聘网站数据.csv 文件并 跳过前20行

data = pd.read_csv("某招聘网站数据.csv",skiprows = [i for i in range(1,20)])

指定行读取¶

读取当前目录下 某招聘网站数据.csv 文件中全部偶数行

# 奇数行
data = pd.read_csv('某招聘网站数据.csv', skiprows=lambda x: (x != 0) and not x % 2)
# 偶数行
data = pd.read_excel(r"C:\Users\25569\Desktop\111.xlsx", skiprows=lambda x: (x != 0) and x % 2)

指定列号读取¶

读取当前目录下 某招聘网站数据.csv 文件的第 1、3、5 列

data = pd.read_csv("某招聘网站数据.csv",usecols = [0,2,4])

指定列名读取¶

读取当前目录下 某招聘网站数据.csv 文件的 名称 列

data = pd.read_csv("某招聘网站数据.csv",usecols = ['positionId','positionName','salary'])

指定列匹配读取¶

让我们来个更难一点的，还是读取 某招聘网站数据.csv 文件，但现在有一个 list 中包含多个字段👇
usecols = [‘positionId’,’test’,’positionName’, ‘test1’,’salary’]
如果 usecols 中的列名存在于 某招聘网站数据.csv 中，则读取。

usecols = ['positionId', 'test', 'positionName', 'test1', 'salary']
data = pd.read_csv('某招聘网站数据.csv', usecols=lambda c: c in set(usecols))

读取时设置索引¶

读取当前目录下 某招聘网站数据.csv 文件，并在读取时将 第一列 设置为索引列

data = pd.read_csv('某招聘网站数据.csv',index_col=0)

读取时设置标题¶

读取当前目录下 某招聘网站数据.csv 文件的 positionId、positionName、salary 列，并将标题设置为 ID、岗位名称、薪资

data = pd.read_csv('某招聘网站数据.csv', usecols=[0,1,17],header = 0,names=['ID','岗位名称','薪资'])

读取并处理缺失值¶

• 读取当前目录下 某招聘网站数据.csv 文件，并不将缺失值标记为 NA
• 读取当前目录下 某招聘网站数据.csv 文件，并将[]标记为缺失值
• 读取当前目录下 某招聘网站数据.csv 文件，但不处理缺失值 ```python data = pd.read_csv(‘某招聘网站数据.csv’, keep_default_na=False)

data = pd.read_csv(‘某招聘网站数据.csv’,na_values=[‘[]’])

data = pd.read_csv(“某招聘网站数据.csv”,na_filter=False)

<a name="JZcNk"></a>
## 读取时设置格式[¶](https://pandas.liuzaoqi.com/doc/chapter1/%E8%AF%BB%E5%8F%96Excel%E6%96%87%E4%BB%B6.html#id10)
- 读取当前目录下 某招聘网站数据.csv 文件，并将 positionId,companyId 设置为字符串格式
- 读取当前目录下 某招聘网站数据.csv 文件，并将 createTime 列设置为时间
```python
#指定字符串格式
data = pd.read_csv("某招聘网站数据.csv", dtype={'positionId': str,'companyId':str}) 
data = pd.read_csv("某招聘网站数据.csv",parse_dates=['createTime']) #指定时间格式

分块读取¶

csv可以excel不行
读取当前目录下 某招聘网站数据.csv 文件，要求返回一个可迭代对象，每次读取 10 行

data = pd.read_csv("某招聘网站数据.csv", chunksize= 10)

循环读取数据¶

在 demodata 文件夹下有多个 Excel 文件，要求一次性循环读取全部文件。只有标题一致的时候才可以读出来全部数据

import os
path = 'demodata/'
filesnames = os.listdir(path)
filesnames = [f for f in filesnames if f.lower().endswith(".xlsx")]
df_list = []
for filename in filesnames:
    df_list.append(pd.read_excel(path + filename))
df = pd.concat(df_list)