pandas pd.ExcelFile 对象

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gr99123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

pandas.ExcelFile 对象是 pandas 库中用于读取 Excel 文件的类，提供了一种方便的方法来处理 Excel 文件中的数据。通过 ExcelFile 对象，用户可以快速加载、读取和操作 Excel 文件的多个工作表。用于将表格Excel表解析为DataFrame对象的类。

属性方法

使用场景

读取多工作表 Excel 文件: 当一个 Excel 文件包含多个工作表时，可以通过 ExcelFile 对象快速访问并读取特定工作表的数据。
高效读取大型 Excel 文件: 通过 ExcelFile 对象，可以避免多次读取同一个 Excel 文件，提高性能，特别是在处理大型文件时。
数据清洗与转换: 使用 ExcelFile 对象读取数据后，可以结合 Pandas 的其他功能对数据进行清洗和转换。

构造

pandas.ExcelFile 是 Pandas 库中用于读取和处理 Excel 文件的类对象。它提供了一种高效的方法来加载 Excel 文件，特别是当文件包含多个工作表（Sheet）时，可以方便地访问和读取特定的工作表数据。通过 ExcelFile 对象，用户可以先加载 Excel 文件，然后根据需要选择性地解析各个工作表，从而提高数据处理的效率，尤其在处理大型 Excel 文件时尤为有用。

构造方法签名

class pandas.ExcelFile(
    path_or_buffer, 
    engine=None, 
    storage_options=None, 
    engine_kwargs=None
)

参数详解

path_or_buffer
- 类型: str、pathlib.Path、file-like object 等。
- 默认值: 无。
- 意义: 指定要读取的 Excel 文件的路径、URL 或文件对象。可以是本地文件路径、远程存储路径（如 S3）、URL 链接或已打开的文件对象。
- 示例:
```
# 本地文件路径
excel_file = pd.ExcelFile('data.xlsx')

# 远程文件路径
excel_file = pd.ExcelFile('https://example.com/data.xlsx')

# 使用 pathlib.Path
from pathlib import Path
excel_file = pd.ExcelFile(Path('data.xlsx'))
```
engine
- 类型: xlrd, openpyxl, odf, pyxlsb, calamine，可选。
- 默认值: 'None'。
- 意义: 指定用于解析 Excel 文件的引擎。不同的引擎支持不同的文件格式和特性。
  - xlrd 支持 old-style Excel files (.xls).
  - openpyxl 支持 newer Excel file formats.
  - odf 支持 OpenDocument file formats (.odf, .ods, .odt).
  - pyxlsb 支持 Binary Excel files.
  - calamine 支持 Excel (.xls, .xlsx, .xlsm, .xlsb) 和 OpenDocument (.ods)
- 示例:
```
# 明确指定使用 openpyxl 引擎
excel_file = pd.ExcelFile('data.xlsx', engine='openpyxl')

# 明确指定使用 xlrd 引擎
excel_file = pd.ExcelFile('data.xls', engine='xlrd')
```

storage_options

类型: dict 或 None，可选。
默认值: None。
意义: 指定与存储后端连接的额外选项，如认证信息、访问权限等。适用于读取远程存储（如 S3、GCS）中的 Excel 文件。

示例:

# 读取存储在 S3 上的 Excel 文件
storage_opts = {
    'key': 'your_access_key',
    'secret': 'your_secret_key',
    'client_kwargs': {
        'endpoint_url': 'https://s3.amazonaws.com'
    }
}
excel_file = pd.ExcelFile('s3://my-bucket/data.xlsx', storage_options=storage_opts)

engine_kwargs

类型: dict 或 None，可选。
默认值: None。
意义: 传递给引擎的其他关键字参数，用于进一步控制 Excel 文件的解析方式。具体参数取决于所使用的引擎。

示例:

# 使用 openpyxl 引擎并传递额外参数
engine_kwargs = {
    'read_only': True,
    'data_only': True
}
excel_file = pd.ExcelFile('data.xlsx', engine='openpyxl', engine_kwargs=engine_kwargs)

返回值

类型: pandas.ExcelFile 对象。
意义: 返回一个 ExcelFile 对象，该对象包含了 Excel 文件的元数据（如工作表名称）和用于解析各个工作表的方法。

功能

加载 Excel 文件: 可以加载 .xls 和 .xlsx 格式的 Excel 文件。
访问工作表: 提供方法获取文件中的所有工作表名称或特定工作表的数据。
支持多种数据类型: 可以读取 Excel 文件中的多种数据类型，包括文本、日期和数字等。

属性

sheet_names:
- 类型: list
- 描述: 返回 Excel 文件中所有工作表的名称。
book
- 它直接与 openpyxl 或 xlrd 等 Excel 处理引擎交互，允许用户访问 Excel 文件的底层对象。

方法

parse(sheet_name, ...):
- 功能: 读取指定工作表的数据并返回为 Pandas DataFrame。可以指定参数，如 header、skiprows、usecols 等，以控制读取行为。
close():
- 功能: 关闭 Excel 文件，释放资源。

示例

下面是使用 pandas.ExcelFile 对象的一些示例代码，展示其基本用法。

示例 1：加载 Excel 文件并读取工作表名称

import pandas as pd

# 创建 ExcelFile 对象
excel_file = pd.ExcelFile('data.xlsx')

# 打印所有工作表名称
print(excel_file.sheet_names)

示例 2：读取特定工作表的数据

import pandas as pd

# 创建 ExcelFile 对象
excel_file = pd.ExcelFile('data.xlsx')

# 读取特定工作表的数据
df = excel_file.parse('Sheet1')  # 假设 'Sheet1' 是工作表名称
print(df)

示例 3：读取多个工作表的数据

import pandas as pd

# 创建 ExcelFile 对象
excel_file = pd.ExcelFile('data.xlsx')

# 读取所有工作表的数据并存储到字典中
data_dict = {sheet_name: excel_file.parse(sheet_name) for sheet_name in excel_file.sheet_names}

# 打印各个工作表的数据
for sheet, df in data_dict.items():
    print(f"数据来自工作表: {sheet}")
    print(df)

示例 4：处理 Excel 文件中的数据

import pandas as pd

# 创建 ExcelFile 对象
excel_file = pd.ExcelFile('data.xlsx')

# 读取特定工作表的数据
df = excel_file.parse('SalesData')

# 数据清洗：删除缺失值
df_cleaned = df.dropna()

# 打印清洗后的数据
print(df_cleaned)

总结

pandas.ExcelFile 对象是处理 Excel 文件的重要工具，尤其适用于需要从同一文件中读取多个工作表的场景。通过其属性和方法，用户可以高效地加载、访问和处理 Excel 数据，从而提升数据分析和处理的效率。

参考

https://pandas.pydata.org/docs/reference/api/pandas.ExcelFile.html

pandas 文件或数据的读取和导出 pd.ExcelWriter 对象 >

更新时间：2024-10-10 15:42:54 标签：pandas python excel