Python Processing XLS Data
Microsoft Excel是一种使用非常广泛的电子表格程序。 其用户友好性和吸引人的功能使其成为数据科学中经常使用的工具。 Panadas库提供了一些功能，使用这些功能我们可以完整地读取Excel文件，也可以仅读取选定的一组数据。 我们还可以读取包含多个工作表的Excel文件。 我们使用read_excel函数从中读取数据。
输入为Excel文件
我们在Windows操作系统中创建一个包含多个工作表的Excel文件。 不同表中的数据如下所示。
您可以使用Windows操作系统中的Excel程序创建此文件。 将文件另存为input.xlsx 。
# Data in Sheet1
id,name,salary,start_date,dept
1,Rick,623.3,2012-01-01,IT
2,Dan,515.2,2013-09-23,Operations
3,Tusar,611,2014-11-15,IT
4,Ryan,729,2014-05-11,HR
5,Gary,843.25,2015-03-27,Finance
6,Rasmi,578,2013-05-21,IT
7,Pranab,632.8,2013-07-30,Operations
8,Guru,722.5,2014-06-17,Finance
# Data in Sheet2
id name zipcode
1 Rick 301224
2 Dan 341255
3 Tusar 297704
4 Ryan 216650
5 Gary 438700
6 Rasmi 665100
7 Pranab 341211
8 Guru 347480
阅读Excel文件
使用pandas库的read_excel函数将Excel文件的内容作为pandas DataFrame读取到python环境中。 该函数可以使用适当的文件路径从OS读取文件。 默认情况下，该函数将读取Sheet1。
import pandas as pd
data = pd.read_excel('path/input.xlsx')
print (data)
当我们执行上面的代码时，它会产生以下结果。 请注意该函数是如何创建以零开头的附加列作为索引。
id name salary start_date dept
0 1 Rick 623.30 2012-01-01 IT
1 2 Dan 515.20 2013-09-23 Operations
2 3 Tusar 611.00 2014-11-15 IT
3 4 Ryan 729.00 2014-05-11 HR
4 5 Gary 843.25 2015-03-27 Finance
5 6 Rasmi 578.00 2013-05-21 IT
6 7 Pranab 632.80 2013-07-30 Operations
7 8 Guru 722.50 2014-06-17 Finance
阅读特定的列和行
与我们在前一章中已经看到的读取CSV文件read_excel ，pandas库的read_excel函数也可用于读取某些特定列和特定行。 为此，我们使用名为.loc()的多轴索引方法。 我们选择显示某些行的salary和name列。
import pandas as pd
data = pd.read_excel('path/input.xlsx')
# Use the multi-axes indexing funtion
print (data.loc[[1,3,5],['salary','name']])
当我们执行上面的代码时，它会产生以下结果。
salary name
1 515.2 Dan
3 729.0 Ryan
5 578.0 Rasmi
阅读多个Excel表格
在名为ExcelFile的包装类的帮助下，使用read_excel函数也可以读取具有不同数据格式的多个工作表。 它只会将多张纸张读入内存一次。 在下面的示例中，我们将sheet1和sheet2读入两个数据框并单独打印出来。
import pandas as pd
with pd.ExcelFile('C:/Users/Rasmi/Documents/pydatasci/input.xlsx') as xls:
df1 = pd.read_excel(xls, 'Sheet1')
df2 = pd.read_excel(xls, 'Sheet2')
print("****Result Sheet 1****")
print (df1[0:5]['salary'])
print("")
print("***Result Sheet 2****")
print (df2[0:5]['zipcode'])
当我们执行上面的代码时，它会产生以下结果。
****Result Sheet 1****
0 623.30
1 515.20
2 611.00
3 729.00
4 843.25
Name: salary, dtype: float64
***Result Sheet 2****
0 301224
1 341255
2 297704
3 216650
4 438700
Name: zipcode, dtype: int64
