IPython में पांडा लाइब्रेरी का उपयोग करके एक .xlsx फ़ाइल कैसे पढ़ें?


103

मैं अजगर की पंडास लाइब्रेरी का उपयोग करके एक .xlsx फ़ाइल पढ़ना चाहता हूं और डेटा को पोस्टग्रेसीक्यूएल टेबल पर पोर्ट करना चाहता हूं।

अब तक मैं कर सकता था:

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

अब मुझे पता है कि कदम सफलतापूर्वक निष्पादित हो गया है, लेकिन मैं जानना चाहता हूं कि मैं पढ़ी गई एक्सेल फाइल को पार्स कैसे कर सकता हूं ताकि मैं यह समझ सकूं कि एक्सेल में डेटा चर डेटा में डेटा के लिए कैसे।
मुझे पता चला कि अगर मैं गलत नहीं हूं तो डेटा एक डेटाफ्रेम ऑब्जेक्ट है। तो मैं इस डेटाफ्रेम ऑब्जेक्ट को पंक्ति द्वारा प्रत्येक पंक्ति पंक्ति निकालने के लिए कैसे पार्स करता हूं।


8
df = pd.ExcelFile ('फ़ाइल नाम')। parse ('शीट 1'); डॉक्स pandas.pydata.org/pandas-docs/dev/io.html#excel-files
Jeff

जवाबों:


162

मैं आमतौर पर DataFrameहर शीट के लिए एक शब्दकोश बनाता हूं :

xl_file = pd.ExcelFile(file_name)

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

अपडेट: में पांडा संस्करण 0.21.0+ आप पारित करके अधिक सफाई से इस व्यवहार मिल जाएगा sheet_name=Noneकरने के लिए read_excel:

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

0.20 और पूर्व में, यह sheetnameबजाय था sheet_name(यह अब ऊपर के पक्ष में पदावनत है):

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

धन्यवाद एंडी यह काम किया। अब यहाँ से मेरा अगला कदम यह है कि इसे पोस्टग्रेक्यूएल डेटाबेस में लिखें। किस पुस्तकालय का उपयोग किया जाना सबसे अच्छा है? SQLAlchemy?
साबरेश कपागंटु

ह्म्म्म अगर आपने mysql कहा - मुझे जवाब पता होगा , पोस्टग्रेज बस इसी तरह काम कर सकते हैं ... हालांकि 100% नहीं। (एक अच्छा सवाल होगा।)
एंडी हेडन

मुझे यह कैसे करना है। मैंने Sqlalchemy का इस्तेमाल किया। आप सही थे, यह mysql के समान सुंदर है। इसमें एक इंजन बनाना और फिर मेटाडेटा को इकट्ठा करना और डेटा के साथ खेलना शामिल था। धन्यवाद फिर से एंडी! :) मदद की सराहना करते हैं।
सबरेश कपागंटु

1
pandas.DataFrame.to_sqlमदद का हो सकता है। फिर आप पढ़ने के लिए dp.pyपंडों DataFrame वस्तुओं को वापस कर सकते हैं।
फिन Finरूप नीलसन २ '

मैं ऐसा ही कुछ हासिल करने की कोशिश कर रहा हूं, लेकिन एक डेटाफ्रेम बनाने के लिए 2 xlsx एक्सेल फाइलों का उपयोग करके मैं सोच रहा हूं कि क्या आप एक नज़र डाल सकते हैं और इस बारे में जाने में मेरी सहायता कर सकते हैं, मैंने एक और सवाल stackoverflow.com बनाकर मदद मांगी। / प्रश्न / 16888888 /… @AndyHayden
दीपक एम

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 की read_excelविधि विधि की तरह read_csvहै:

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

एक शीट नाम का उपयोग करने के बजाय, यदि आप नहीं जानते हैं या ubuntu (मेरे मामले में, पायथन 3.6.7, ubuntu 18.04) में जांच करने के लिए एक्सेल फ़ाइल नहीं खोल सकते हैं, तो मैं पैरामीटर index_col (index_col = 0) का उपयोग करता हूं पहली शीट)

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
आप sheet_name=00. के बजाय शीट का उपयोग या नाम भी दे सकते हैं
प्लाजेरिटी

1
सही काम करता है। हालांकि यह निर्भरता xlrd की जरूरत है। (pip3.7.4.exe विंडोज पर xlrd स्थापित करें)
हैरी

5

स्प्रैडशीट फ़ाइल नाम निर्दिष्ट करें file

स्प्रेडशीट लोड करें

शीट के नाम प्रिंट करें

नाम से एक DataFrame में एक शीट लोड करें: df1

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

2

यदि आप read_excel()फ़ंक्शन का उपयोग करके खोली गई फ़ाइल पर उपयोग करते हैं open(), तो rbएन्कोडिंग त्रुटियों से बचने के लिए खुले फ़ंक्शन में जोड़ना सुनिश्चित करें

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.