标签：pandas block meta shift 种类型 strong 结果 users ipy
进行数据分析最麻烦的就是数据获取，然后一旦获得了数据，我们就可以很愉快的开始玩耍这些数据。Pandas的IO tools提供了很多的数据源的类型，但实际上，对于我这个初学者可能用的最多可能就是excel文件了。这里就需要用到pandas.read_excel()函数。
我们先看下read_excel()的代码：
pandas.``read_excel(*io*, sheet_name=0, header=0, names=None, index_col=None, usecols=None, squeeze=False, dtype=None, engine=None, converters=None, true_values=None, false_values=None, skiprows=None, nrows=None, na_values=None, keep_default_na=True, verbose=False, parse_dates=False, date_parser=None, thousands=None, comment=None, skipfooter=0, convert_float=True, mangle_dupe_cols=True, kwds)**[
| def read_excel( | 变量 | 含义 |
|---|---|---|
| io, | 数据源文件，可以是url、各种文件类型基本都能适用 | |
| sheet_name=0, | ||
| header=0, | ||
| names=None, | ||
| index_col=None, | ||
| usecols=None, | ||
| squeeze=False, | ||
| dtype=None, | ||
| engine=None, | ||
| converters=None, | ||
| true_values=None, | ||
| false_values=None, | ||
| skiprows=None, | ||
| nrows=None, | ||
| na_values=None, | ||
| keep_default_na=True, | ||
| verbose=False, | ||
| parse_dates=False, | ||
| date_parser=None, | ||
| thousands=None, | ||
| comment=None, | ||
| skipfooter=0, | ||
| convert_float=True, | ||
| mangle_dupe_cols=True, | ||
| **kwds, | ||
| ): |
基本上能想到的各种类型都可以，可以是表示路径的字符串、文件、对象等等。我选择了最容易让我理解的方式，那就是指定路径的方式：
1 import pandas as pd 2 excel_path = ‘/Users/watalo/Desktop/sz50con.xlsx‘ 3 # 默认读取第一张表 4 df1 = pd.read_excel(excel_path)
这里我是使用的jupyter notebook，所以创建了一个.ipynb的文件。按下Shift + Enter 得到的结果是默认的“Sheet1”的内容：
标签：pandas block meta shift 种类型 strong 结果 users ipy
原文地址：https://www.cnblogs.com/watalo/p/13339594.html
