pandas读取xlsx

import pandas as pd

pd.read_excel(path, sheet_name=0, header=0, names=None, index_col=None, 
              usecols=None, squeeze=False,dtype=None, engine=None, 
              converters=None, true_values=None, false_values=None, 
              skiprows=None, nrows=None, na_values=None, parse_dates=False, 
              date_parser=None, thousands=None, comment=None, skipfooter=0, 
              convert_float=True, **kwds)

import pandas as pd
path = r‘D:\Testdatabase\data\data.xlsx‘

# 整型数字、列表名、SheetN、或者是以上三组组合列表

# 整型数字：目标sheet所在位置，以0开始，比如sheet_name = 0代表第1个工作表
data = pd.read_excel(path, sheet_name = 1)
ss = data.head()
print(ss)

# 工作表名：目标sheet的名称，可用中英文
data = pd.read_excel(path, sheet_name = ‘账号密码‘)
data.head()

# SheetN：表示第N个sheet，S必须大写，注意与整型数字的区别使用
data = pd.read_excel(path, sheet_name = ‘Sheet5‘)
data.head()

# 组合使用
# sheet_name = [0, ‘车辆信息‘, ‘Sheet4‘]，代表读取三个工作表，分别为第1个工作表、名为“车辆信息”的工作表和第4个工作表。显然，Sheet4未经重命名。
# sheet_name 默认为0，取Excel第一个工作表。如果读取多个工作表，则显示表格的字典
data = pd.read_excel(path, sheet_name = [‘账号密码‘, ‘车辆信息‘], nrows = 5)
# sheet_name = [‘账号密码‘, ‘车辆信息‘] ，返回两个工作表组成的字典
data.head()

# 默认[0]，即首行作为列名，设置为[0,1]，即表示将前两行作为多重索引
data = pd.read_excel(path, sheet_name = ‘车辆信息‘, header = [0,1]) 
# 前两行作为列名。
data.head()
data = pd.read_excel(path, sheet_name = ‘车辆信息‘, header = [0,1,2]) 
# 前三行作为列名
data.head()

# 一般适用于Excel缺少列名，或者需要重新定义列名的情况
# 注意：names的长度必须和Excel列长度一致，否则会报错
data = pd.read_excel(path, sheet_name = ‘英超射手榜‘, 
                     names = [‘car_plate‘,‘sim_num‘,‘club‘,‘goal‘,‘common_goal‘,‘penalty‘])
data.head()

# 可以是工作表列名称，如index_col = ‘车牌号‘；
data = pd.read_excel(path, sheet_name = ‘车辆信息‘, index_col = ‘车牌号‘)
data.head()

# 可以是整型或整型列表，如index_col = 0 或 [0, 1]，如果选择多个列，则返回多重索引
data = pd.read_excel(path, sheet_name = ‘车辆信息‘, index_col = [0, 1])
data.head()

# usecols 可避免读取全量数据，而是以分析需求为导向选择特定数据，可以大幅提高效率
# 使用整型，从0开始，如[0,2,3]
data = pd.read_excel(io, sheet_name = ‘车辆信息‘, usecols = [0, 1, 3])
data.head()

# 可以使用Excel传统的列名“A”、“B”等字母，如“A：C, E” ="A, B, C, E"，注意两边都包括
data = pd.read_excel(path, sheet_name = ‘车辆信息‘, usecols = ‘A:C, E‘)
data.head()

# squeeze为True时，返回Series，反之返回DataFrame
data = pd.read_excel(path, sheet_name = ‘新增车组名‘, squeeze  = True)
data.head()

data = pd.read_excel(path, sheet_name = ‘新增车组名‘, squeeze  = False)
data.head()

# skiprows= n， 跳过前n行； skiprows = [a, b, c]，跳过第a+1,b+1,c+1行（索引从0开始）
# 使用skiprows 后，有可能首行（即列名）也会被跳过。
data = pd.read_excel(path, sheet_name = ‘新增车组名‘, skiprows = [1,2,3]) 
# 跳过第2,3,4行数据（索引从0开始，包括列名）
data.head()

# 跳过前三行
data = pd.read_excel(io, sheet_name = ‘新增车组名‘, skiprows = 3)
data.head()

# 读取指定行数， nrows = 10 ，即读取10行数据
data = pd.read_excel(path, sheet_name = ‘新增车组名‘, nrows = 10)
data.head()

data = pd.read_excel(path , sheet_name = ‘新增车组名‘, skipfooter = 18)
#  skipfooter = 18， 跳过末尾0-18行（索引从0开始）
data.head()