Python利用pandas读写Excel文件

pandas模块read_excel读取Excel文件

使用pandas模块读取Excel文件可以更为方便和快捷。pandas可以将Excel文件读取为一个DataFrame对象，方便进行数据处理和分析。

以下是使用pandas读取Excel文件的示例代码：

importpandasaspd
df=pd.read_excel('test.xlsx',sheet_name='test1',merge_cells=True,na_values=['NA'])
df=df.fillna('')

#格式化输出
withpd.option_context('display.max_rows',None,'display.max_columns',None):
print(df.to_string(index=False,header=True,col_space=4,justify='left'))

在读取Excel文件时，read_excel函数提供了很多参数，可以用于控制读取的方式和行为，例如读取指定的工作表、指定的行和列、指定数据类型、跳过指定的行等等。你可以根据需要设置这些参数。 除了读取Excel文件，pandas还提供了很多数据处理和分析的工具和函数，例如数据重塑、数据聚合、数据可视化等等。如果需要对Excel文件进行复杂的数据处理和分析，pandas将是一个很好的选择。

merge_cells=True

pandas可以通过设置merge_cells参数来控制如何读取数据。当merge_cells设置为True时，pandas将读取合并单元格中的第一个单元格的值，并将其复制到其他合并单元格中。当merge_cells设置为False时，pandas将读取每个合并单元格的值。

na_values=['NA']

可以设置na_values参数来指定哪些值被认为是NaN。 使用fillna()函将其设置为空格字符串（''）或者设置为Excel文件中的特定值。

withpd.option_context('display.max_rows',None,'display.max_columns',None):
print(df.to_string(index=False,header=True,col_space=4,justify='left'))

使用to_string()函数将数据格式化输出，将行索引或者列头隐藏，每列的宽度为4，左对齐显示。

注意，在使用pandas输出Excel格式时，使用to_string()函数输出的结果可能无法精确地模仿Excel的外观和格式。这取决于你的数据和你的格式要求，可能需要调整输出的方式来达到目标。

运行结果如下：

pandas模块to_excel写入Excel文件

要将pandas数据写入Excel文件，可以使用pandas模块中的to_excel()函数。

importpandasaspd
#创建一个数据帧
df=pd.DataFrame({'列1':[1,2,3],'列2':[4,5,6],'列3':[7,8,9]})
#将数据帧写入Excel文件
df.to_excel('pandas_write.xlsx',sheet_name='Sheet1',index=False)

在这个例子中，首先使用pandas创建了一个包含三列数据的数据帧。

然后，使用to_excel()函数将该数据帧写入了一个名为“pandas_write.xlsx”的Excel文件中，并将工作表命名为“Sheet1”。

通过将index参数设置为False，可以避免在Excel文件中写入数据帧的行索引。

如果要将多个数据帧写入同一个Excel文件中的不同工作表，可以多次调用to_excel()函数，并指定不同的工作表名称。

审核编辑：汤梓红