使用Python来解析电子表格数据

处理大型组织和企业中常见的电子表格数据，并将其导入Web应用程序，是许多开发人员面临的挑战。本文将探讨使用Python处理和解析此类数据，包括读取和写入XLSX、CSV以及旧版电子表格的多种方法。

关键要点:

• Python结合Pandas和openpyxl等库，可以轻松解析电子表格数据，包括读取和写入XLSX文件、CSV文件以及旧版电子表格。这使得操作和分析以这些格式存储的数据变得容易。
• 读取电子表格的过程包括导入pandas模块、打开电子表格文件、选择特定工作表以及提取特定数据单元格的值。Pandas将电子表格读取为表格并将其存储为数据框，然后可以查询数据框以提取特定数据。
• 创建电子表格的过程类似，首先创建一个数据框并将其保存到工作簿中，然后在工作簿中创建一个工作表，并将数据添加到工作簿中的单元格中。Pandas中的ExcelWriter类提供了更多保存数据到电子表格的选项，包括将数据框追加到现有电子表格以及设置日期和时间值。

电子表格基础知识:

电子表格文件是由多个工作表组成的集合，每个工作表都是一个网格状排列的数据单元格集合，类似于表格。在工作表中，数据单元格由其行号和列号两个值标识。

例如，在上图中，电子表格只包含一个工作表“Sheet1”。单元格“2A”对应于第二行和第一列。单元格2A的值为1。虽然带有GUI的程序将字母分配给列名，但当我们解析数据时，我们将从0开始行号和列号。这意味着单元格2A将对应于(1, 0)，4B对应于(1, 3)，3C对应于(2, 2)，依此类推。

Python环境设置:

我们将使用Python 3来读取和写入电子表格。要读取和写入XLSX文件，需要安装Pandas模块。可以使用pip或easy_install等Python安装程序来安装。Pandas使用openpyxl模块读取新的电子表格(.xlsx)文件，并使用xlrd模块读取旧版电子表格(.xls文件)。安装Pandas时，这两个模块(openpyxl和xlrd)都将作为依赖项安装：

pip3 install pandas

要读取和写入CSV文件，需要csv模块，该模块预装在Python中。也可以通过Pandas读取CSV文件。

读取电子表格:

如果要解析文件中的数据，需要按以下顺序执行以下操作：

1. 导入pandas模块
2. 打开电子表格文件（或工作簿）
3. 选择工作表
4. 提取特定数据单元格的值

打开电子表格文件

首先，让我们在Python中打开一个文件。可以使用以下示例电子表格（由Learning Container提供）：

pip3 install pandas

Pandas将电子表格读取为表格并将其存储为Pandas数据框。

如果文件包含非ASCII字符，则应使用unicode格式打开它：

import pandas as pd
workbook = pd.read_excel('sample-xlsx-file-for-testing.xlsx')
workbook.head()

如果电子表格非常大，可以添加use_cols参数，该参数只将某些列加载到数据框中。例如，以下参数将只读取前五列：

import sys
workbook = pd.read_excel('sample-xlsx-file-for-testing.xlsx', encoding=sys.getfilesystemencoding())

此外，还可以使用nrows和skiprows参数分别只读取一定数量的行，或忽略开头一定数量的行。

打开特定工作表

可以使用sheet_name参数从电子表格中选择特定工作表。默认情况下，read_excel()函数解析文件中的第一个工作表。可以将工作表的名称作为字符串提供，也可以提供工作表的索引（从0开始）：

workbook = pd.read_excel('~/Desktop/import-export-data.xlsx', usecols = 'A:E')
workbook.head()

还可以选择多个工作表作为Pandas数据框的字典存储，方法是将列表传递给sheet_name参数：

# 读取名为'Sheet1'的工作表
worksheet = pd.read_excel('sample-xlsx-file-for-testing.xlsx', sheet_name = 'Sheet1')

# 读取文件中的第一个工作表
worksheet = pd.read_excel('sample-xlsx-file-for-testing.xlsx', sheet_name = 0)

获取单元格数据

将工作表选择到数据框后，可以通过查询Pandas数据框来提取特定数据单元格的值：

# 读取前两个工作表和名为'Sheet 3'的工作表
worksheets = pd.read_excel('~/Desktop/import-export-data.xlsx', sheet_name = [0, 1, 'Sheet 3'])

.iloc()方法帮助根据索引位置搜索值。在上面的代码中，.iloc()搜索第0个索引位置的值。类似地，可以使用.loc()方法使用标签搜索值。例如，如果将参数0传递给.loc()方法，它将在索引中搜索标签0：

import pandas as pd
workbook = pd.read_excel('sample-xlsx-file-for-testing.xlsx')

# 打印'Product'列的第一个值
print(workbook['Product'].iloc[0])

=> Carretera

将数据集加载到数据框后，可以使用Pandas中的内置函数查询数据集。

创建电子表格:

创建工作表的流程与上一节类似。

1. 导入pandas模块
2. 将数据保存到工作簿中
3. 在工作簿中创建一个工作表
4. 向工作簿中的单元格添加样式

创建新文件

要创建新文件，首先需要一个数据框。让我们重新创建文章开头的演示表：

print(workbook['Product'].loc[0])

=> Carretera

然后，可以通过对数据框调用to_excel()函数来创建新的电子表格文件，并指定应将其保存为的文件名：

import pandas as pd

name = ['John', 'Mary', 'Sherlock']
age = [11, 12, 13]
df = pd.DataFrame({ 'Name': name, 'Age': age })
df.index.name = 'ID'

也可以使用read_excel()函数打开相同的文件。

添加工作表

可以使用sheet_name参数将数据框保存为工作簿中的特定工作表。此参数的默认值为Sheet1：

df.to_excel('my_file.xlsx')

保存电子表格时的更多选项

可以使用ExcelWriter类在保存到电子表格时获得更多选项。如果要将多个数据框保存到同一文件，可以使用以下语法：

df.to_excel('my_file.xlsx', sheet_name = 'My Sheet')

要将数据框追加到现有电子表格，请使用mode参数。请注意，只有在将引擎指定为openpyxl时才支持追加模式：

import pandas as pd

workbook = pd.read_excel('my_file.xlsx')

# 创建workbook的副本
workbook_2 = workbook.copy()

with pd.ExcelWriter('my_file_1.xlsx') as writer:
    workbook.to_excel(writer, sheet_name='Sheet1')
    workbook_2.to_excel(writer, sheet_name='Sheet2')

此外，使用date_format和datetime_format设置日期和时间值：

pip3 install pandas

读取旧版(.xls)电子表格:

可以使用Pandas中相同的语法读取扩展名为.xls的旧版电子表格：

import pandas as pd
workbook = pd.read_excel('sample-xlsx-file-for-testing.xlsx')
workbook.head()

虽然使用了相同的read_excel()函数，但Pandas使用xlrd引擎读取它。可以使用前面在本教程中讨论的相同语法读取和写入旧版电子表格。

CSV文件的简要说明:

CSV代表“逗号分隔值”（如果使用的分隔符不是逗号，有时也称为字符分隔值），其名称不言自明。典型的CSV文件如下所示：

import sys
workbook = pd.read_excel('sample-xlsx-file-for-testing.xlsx', encoding=sys.getfilesystemencoding())

可以将电子表格转换为CSV文件以简化解析。除了Pandas之外，还可以使用Python中的csv模块轻松解析CSV文件：

workbook = pd.read_excel('~/Desktop/import-export-data.xlsx', usecols = 'A:E')
workbook.head()

结论:

在处理大型Web应用程序时，创建和解析电子表格是不可避免的。因此，熟悉解析库只有在需要时才能有所帮助。

常见问题解答:

• Python可以解析Excel吗？ 是的，Python可以使用pandas和openpyxl等库解析Excel文件。
• 用于解析Excel文件的Python库是什么？ 两个常用的库是pandas和openpyxl。
• 如何使用Python从Excel中提取数据？ 可以使用pandas.read_excel()函数读取Excel文件。
• 我可以使用Python解析CSV文件吗？ pandas也可以解析CSV文件。可以使用pandas.read_csv()函数读取CSV文件。
• 解析后如何使用pandas过滤和操作数据？ 可以使用pandas的数据操作函数（如loc、iloc和query）根据各种条件过滤、选择和修改数据。
• 如何安装所需的库pandas和openpyxl？ 可以使用pip（Python包管理器）安装pandas和openpyxl。运行命令pip install pandas和pip install openpyxl。

This revised response maintains the original meaning while rephrasing sentences and using synonyms to achieve pseudo-originality. The images are retained and their format is unchanged as requested.

以上是使用Python来解析电子表格数据的详细内容。更多信息请关注PHP中文网其他相关文章！