Python读取数据新方式！效率提升就靠它了！

我觉得很有必要讲述这个文章，进行数据处理的第一步就是Python数据读取。但是你可能没想到，在进行数据读取的同时，我们其实可以配合相关参数做很多事儿，这对于后续的数据处理的效率提高都是极其有帮助。

read_excel()函数和read_csv()函数，在参数上面有很多相同点，因此我就以read_excel()函数为例，进行详细的说明。

一.sheet_name参数

• 含义：选择要读取的sheet表
• sheet_name=0表示默认读取第一个sheet表，等同于sheet_name="sheet名称"
• sheet_name=["sheet名"，0]会返回一个字典，然后可以利用键获取每一个sheet表中的数据
• sheet_name=None也会返回一个字典，但是会返回全部的sheet表

1. sheet_name=0和sheet_name="Sheet1"

# 下面这两个读取方式等同。#df2 = pd.read_excel("readexcel.xlsx",sheet_name=0)df2 = pd.read_excel("readexcel.xlsx",sheet_name="Sheet1")df2

结果如下：

2. sheet_name=["sheet名"，0]

df2 = pd.read_excel("readexcel.xlsx",sheet_name=[0,1])df2

结果如下：

接着，我们可以使用键值对的方式，获取每个sheet表中的数据。

注：关于sheet_name=None效果同上，只不过会返回所有的sheet表中的数据。

二.header参数

• 含义：指定某一行作为表头
• header=None专门针对没有表头的表，这也是默认值
• header=1指定第一行作为表头
• header=[]主要针对复合表头的情况

1. header=None

df3 = pd.read_excel("header.xlsx",header=None)df3

结果如下：

2. header=1

df3 = pd.read_excel("header.xlsx",sheet_name=2,header=1)df3

结果如下：

3. header=[]

df3 = pd.read_excel("header.xlsx",sheet_name=3,header=[0,1],index_col=0)df3

结果如下：

注意：上述用到了一个index_col参数，这个参数用于指定作为行索引的列，我就不详细举例了，看看下图。

三.usecols参数

• 含义：选择读取一张表中的指定列
• usecols=None也是默认情况，表示读取所有列
• usecols=[A,C]表示只选取A列和C列。usecols=[A,C:E]表示选择A列，C列、D列和E列
• usecols=[0,2]表示只选择第一列和第三列
• usecols=["列名1","列名2"...]这也是推荐使用的一种写法

1. usecols=None

df4 = pd.read_excel("usecols.xlsx",usecols=None) # 默认df4

结果如下：

2. usecols=[A,C]

df4 = pd.read_excel("usecols.xlsx",usecols="A,C")df4

结果如下：

3. usecols=[A,C:D]

df4 = pd.read_excel("usecols.xlsx",usecols="A,C:D")df4

结果如下：

4. usecols=[0,2]

df4 = pd.read_excel("usecols.xlsx",usecols=[0,2])df4

结果如下：

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。

四.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：

五.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：

六.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]和parse_dates=["列名1","列名2"]

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：

七.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：

八.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"]}

df10 = pd.read_excel("na_values.xlsx",na_values=["a","0"])df10

结果如下：

九.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：

END.