Python 读取 Excel 表格数据并输出：详细教程

在数据分析和处理的领域中，Excel 表格是存储和组织数据的常用工具。而 Python 作为一种强大的编程语言，提供了多种库来方便地读取和处理 Excel 文件中的数据。在这篇博客中，我们将深入探讨如何使用 Python 读取 Excel 表格里的数据并且进行输出。

一、准备工作

在开始之前，我们需要确保已经安装了以下必要的库：

• pandas：这是 Python 中用于数据处理和分析的核心库，它提供了强大的数据读取和操作功能。
• openpyxl：当处理 Excel 文件（特别是.xlsx 文件）时，openpyxl库是必不可少的。

你可以通过以下命令在命令行中安装这些库：

pip install pandas openpyxl

二、读取 Excel 文件的基本方法

1. 导入必要的库

   import pandas as pd
   

2. 使用read_excel函数读取 Excel 文件

   • 最简单的读取方式是直接指定 Excel 文件的路径：

     data = pd.read_excel('your_file.xlsx')
     

   • [关键要点] 在这里，your_file.xlsx是你要读取的 Excel 文件的实际路径。如果文件和你的 Python 脚本在同一目录下，直接写文件名即可；否则，需要提供完整的文件路径。

3. 查看读取到的数据

   • 输出数据的前几行可以使用head()方法：

     print(data.head())
     

三、指定工作表和读取范围

1. 指定工作表

   • 如果 Excel 文件中有多个工作表，你可以通过sheet_name参数指定要读取的工作表。例如，如果要读取名为 ‘Sheet2’ 的工作表：

     data = pd.read_excel('your_file.xlsx', sheet_name='Sheet2')
     

   • [关键要点] 如果不指定sheet_name，默认读取的是第一个工作表。

2. 读取指定范围的数据

   • 可以使用usecols参数指定要读取的列，使用nrows参数指定要读取的行数。例如，只读取前 10 行和第 1、3、5 列的数据：

     data = pd.read_excel('your_file.xlsx', usecols=[0, 2, 4], nrows=10)
     

   • [关键要点]usecols参数接受一个列索引的列表，列索引从 0 开始；nrows参数接受一个整数，表示要读取的行数。

四、处理不同的数据类型

1. 读取数值型数据

   • 在默认情况下，pandas会自动识别数值型数据，并将其转换为适当的数值类型（如int或float）。
   • 你可以通过dtypes属性查看每一列的数据类型：

     print(data.dtypes)
     

2. 读取字符串型数据

   • 字符串型数据在 Excel 中通常以文本形式存储。pandas会将其读取为object类型。
   • 如果需要对字符串进行操作，可以使用str方法。例如，将某一列的字符串转换为大写：

     data['column_name'] = data['column_name'].str.upper()
     

   • [关键要点]column_name是包含字符串数据的列名。

3. 读取日期型数据

   • 当 Excel 文件中包含日期数据时，pandas可以将其识别并转换为datetime类型。
   • 你可以使用to_datetime函数将特定列转换为日期类型：

     data['date_column'] = pd.to_datetime(data['date_column'])
     

   • [关键要点]date_column是包含日期数据的列名。

五、输出数据

1. 输出到控制台

   • 我们已经看到了使用print函数输出数据的前几行。除了head()方法，还可以使用tail()方法输出数据的后几行：

     print(data.tail())
     

   • 这对于快速查看数据的末尾部分非常有用。

2. 输出到新的 Excel 文件

   • 可以使用to_excel函数将处理后的数据输出到新的 Excel 文件中：

     data.to_excel('new_file.xlsx', index=False)
     

   • [关键要点]new_file.xlsx是输出文件的名称；index=False表示不输出行索引。

3. 输出到其他格式

   • 除了 Excel 文件，pandas还可以将数据输出为其他格式，如 CSV 文件：

     data.to_csv('data.csv', index=False)
     

   • 这对于与其他软件或系统进行数据交换非常方便。