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