本文为作者原创，未经允许不得擅自转载。

Excel是微软的经典之作，在日常工作中的数据整理、分析和可视化方面，有其独到的优势，尤其在你熟练应用了函数和数据透视等高级功能之后，Excel可以大幅度提高你的工作效率。但如果数据量超大，Excel的劣势也就随之而来，甚至因为内存溢出无法打开文件，后续的分析更是难上加难。那么，有什么更好的解决办法吗？工欲善其事，必先利其器，在这里我们介绍使用Python的pandas数据分析包来解决此问题。

pd.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, parse_dates=False, 
              date_parser=None, thousands=None, comment=None, skipfooter=0, 
              convert_float=True, **kwds)


pandas读取Excel后返回DataFrame，接下来我们就pd.read_excel()的常用参数进行详细解析。

目录

1、io，Excel的存储路径

2、sheet_name，要读取的工作表名称

3、header， 用哪一行作列名

4、names， 自定义最终的列名

5、index_col， 用作索引的列

6、usecols，需要读取哪些列

7、squeeze，当数据仅包含一列

8、converters ，强制规定列数据类型

9、skiprows，跳过特定行

10、nrows ，需要读取的行数

11、skipfooter ， 跳过末尾n行

【文中使用英超、西甲的排名积分榜及射手榜作为原始数据~~~】

1、io，Excel的存储路径

 建议使用英文路径以及英文命名方式。
import pandas as pd
io = r'C:\Users\Administrator\Desktop\data.xlsx'

2、sheet_name，要读取的工作表名称

可以是整型数字、列表名或SheetN，也可以是上述三种组成的列表。
	

	
整型数字：目标sheet所在的位置，以0为起始，比如sheet_name = 1代表第2个工作表。
	
data = pd.read_excel(io, sheet_name = 1)
data.head()



列表名：目标sheet的名称，中英文皆可。
data = pd.read_excel(io, sheet_name = '英超射手榜')
data.head()



SheetN：代表第N个sheet，S要大写，注意与整型数字的区别。
data = pd.read_excel(io, sheet_name = 'Sheet5')
data.head()



组合列表： sheet_name = [0, '英超射手榜', 'Sheet4']，代表读取三个工作表，分别为第1个工作表、名为“英超射手榜”的工作表和第4个工作表。显然，Sheet4未经重命名。
	
sheet_name 默认为0，取Excel第一个工作表。如果读取多个工作表，则显示表格的字典。对于初学者而言，建议每次读取一个工作表，然后进行二次整合。
data = pd.read_excel(io, sheet_name = ['英超积分榜', '西甲积分榜'], nrows = 5)
# sheet_name = ['英超积分榜', '西甲积分榜'] ，返回两个工作表组成的字典
data



3、header， 用哪一行作列名

 默认为0 ，如果设置为[0,1]，则表示将前两行作为多重索引。
data = pd.read_excel(io, sheet_name = '英超积分榜', header = [0,1]) 
# 前两行作为列名。
data.head()



4、names， 自定义最终的列名

一般适用于Excel缺少列名，或者需要重新定义列名的情况。
	
注意：names的长度必须和Excel列长度一致，否则会报错。
data = pd.read_excel(io, sheet_name = '英超射手榜', 
                     names = ['rank','player','club','goal','common_goal','penalty'])
data.head()



5、index_col， 用作索引的列

可以是工作表列名称，如index_col = '排名'；
	
可以是整型或整型列表，如index_col = 0 或 [0, 1]，如果选择多个列，则返回多重索引。
data = pd.read_excel(io, sheet_name = '英超射手榜', index_col = '排名')
data.head()

 

data = pd.read_excel(io, sheet_name = '英超射手榜', index_col = [0, 1])
data.head()



6、usecols，需要读取哪些列

可以使用整型，从0开始，如[0,2,3]；
	
可以使用Excel传统的列名“A”、“B”等字母，如“A：C, E” ="A, B, C, E"，注意两边都包括。
	
usecols 可避免读取全量数据，而是以分析需求为导向选择特定数据，可以大幅提高效率。
data = pd.read_excel(io, sheet_name = '西甲射手榜', usecols = [0, 1, 3])
data.head()



data = pd.read_excel(io, sheet_name = '西甲射手榜', usecols = 'A:C, E')
data.head()
# 啊？什么！！为啥不见C罗？？
# 大佬，C罗转会去尤文图斯啦~~~~

 

7、squeeze，当数据仅包含一列

 squeeze为True时，返回Series，反之返回DataFrame。
data = pd.read_excel(io, sheet_name = 'squeeze', squeeze  = True)
data.head()



data = pd.read_excel(io, sheet_name = 'squeeze', squeeze  = False)
data.head()



8、converters ，强制规定列数据类型


	
converters = {'排名': str, '场次': int}， 将“排名”列数据类型强制规定为字符串（pandas默认将文本类的数据读取为整型），“场次”列强制规定为整型；
	
	

	
主要用途：保留以文本形式存储的数字。
	
data = pd.read_excel(io, sheet_name = 'converters')
data['排名'].dtype



data = pd.read_excel(io, sheet_name = 'converters', converters = {'排名': str, '场次': float})
data['排名'].dtype





9、skiprows，跳过特定行

 skiprows= n， 跳过前n行； skiprows = [a, b, c]，跳过第a+1,b+1,c+1行（索引从0开始）；
	
使用skiprows 后，有可能首行（即列名）也会被跳过。
data = pd.read_excel(io, sheet_name = '英超射手榜', skiprows = [1,2,3]) 
# 跳过第2,3,4行数据（索引从0开始，包括列名）
data.head()

 

data = pd.read_excel(io, sheet_name = '英超射手榜', skiprows = 3)
data.head()



10、nrows ，需要读取的行数

如果只想了解Excel的列名及概况，不必读取全量数据，nrows会十分有用。 
data = pd.read_excel(io, sheet_name = '英超射手榜', nrows = 10)
data



11、skipfooter ， 跳过末尾n行

data = pd.read_excel(r'C:\Users\Administrator\Desktop\data.xlsx' , 
                     sheet_name = '英超射手榜', skipfooter = 43)
#  skipfooter = 43， 跳过末尾43行（索引从0开始）
data



欢迎搜索今日头条“海阔天空爱阅读”，欣赏更多文章~~

读取txt文本

python常用的读取文件函数有三种read()、readline()、readlines() 
 

以读取上述txt为例，看一下三者的区别

read()    一次性读全部内容

一次性读取文本中全部的内容，以字符串的形式返回结果

with open("test.txt", "r") as f:  # 打开文件
    data = f.read()  # 读取文件
    print(data)



readline()    读取第一行内容

只读取文本第一行的内容，以字符串的形式返回结果

with open("test.txt", "r") as f:
    data = f.readline()
    print(data)



readlines()     列表

读取文本所有内容，并且以数列的格式返回结果，一般配合for in使用

with open("test.txt", "r") as f:
    data = f.readlines()
    print(data)



readlines会读到换行符，可用如下方法去除：

with open("test.txt", "r") as f:
    for line in f.readlines():
        line = line.strip('\n')  #去掉列表中每一个元素的换行符
        print(line)



 

写入txt文本

with open("test.txt","w") as f:
    f.write("这是个测试！")  # 自带文件关闭功能，不需要再写f.close()

 

读写模式

要了解文件读写模式，需要了解几种模式的区别，以及对应指针

r :   读取文件，若文件不存在则会报错

w:   写入文件，若文件不存在则会先创建再写入，会覆盖原文件

a :   写入文件，若文件不存在则会先创建再写入，但不会覆盖原文件，而是追加在文件末尾

rb,wb：  分别于r,w类似，但是用于读写二进制文件

r+ :   可读、可写，文件不存在也会报错，写操作时会覆盖

w+ :   可读，可写，文件不存在先创建，会覆盖

a+ :  可读、可写，文件不存在先创建，不会覆盖，追加在末尾

一、 Matlab读取excel中的数据

1.1 读取sheet1中的数据



% num返回的是excel中的数据，txt输出的是文本内容，raw输出的是未处理数据
[num,txt,raw]=xlsread('C:\Users\Administrator\Desktop\test\a.xls') 

% 一般情况下，我们读取的是excel中的数据，所以可以直接用下面的命令，只输出数据矩阵便可
[num]=xlsread('C:\Users\Administrator\Desktop\test\a.xls') 



1.2 读取指定sheet中的数据

如果想读取excel中的第二个sheet中的数据，可以输入下面命令

% 读取excel中第二个Sheet内容
[num]=xlsread('C:\Users\Administrator\Desktop\test\a.xls', 2)





1.3 读取指定单元格中的数据

%读取excel中，第二个sheet，A2-C5之间的内容
[num]=xlsread('C:\Users\Administrator\Desktop\test\a.xls', 2, 'A2:C5')

说到图像处理，第一步就是图像读取。Matlab最简单的就是imread函数，本节介绍imread的用法以及容易出错的地方


正如上图所示，在Matlab文档中，imread包括以上几种用法，但并不要求都要掌握，个人觉得会用一两种，其他了解语法即可。

我们来介绍下最最常用的语句A = imread(filename)

我们来读取一张图片
>> a = imread('凝视.jpg');
>> imtool(a)



如图所示，首先注意的是语法正确A = imread(‘凝视.jpg’);
一.正确示范。

他的意思是在当前路径里把文件名为“凝视.jpg”的图片数据读取到A中保存，那我们可以看到在图片最右边Workspace区域放着一些数据，这就是A的数据，我们看到这张图片是3405933大小，意思是340行，593列，3通道（RGB）的图片，右边的UINT8表示8位无符号的整型类型。（后面的imtool语句用于显示图片，这个将在后续细谈）

补充一点小知识：

想要清空Command Window,输入命令clc

想要清空Workspace,输入命令clear

想要关闭所有打开的窗口，输入命令close all

想要观看图像信息，用whos
二.踩坑

好了，既然我们知道正确的写法，那我们来试试有什么坑。（敢于试错是干这行的一个优秀品质）

1.为什么要分号？

因为matlab是按行编译，一行一行编译，不写分好，就会直接出来编译结果，给你们看个例子就明白。


上面创建一个a和b矩阵，a矩阵不用分号结尾，窗口直接显示内容，而b矩阵用了分号，并不显示内容，但是可以看到编译后，在workspace已经创建两个数组矩阵，我们也可以看到，点击变量名可以看到最上面有具体的数据。同理，如果我们读取图片a = imread(‘凝望.jpg’)不写分号，那么窗口就会出现一大波数据，刷刷刷地跳出来，那酸爽，那些数据就是保存在数组里面的像素了。

小知识：

如果你不写变量名，比如>>imread(‘凝望.jpg’);它很默认地给你个名字叫：ans

当你想重新写一句语句和上面相同或相似的话，可以按键盘的上箭头按钮


这个快捷方式可以帮助你快速地修改语句，好用。
2.英文半角符号

这个学过编程的都应该知道吧，别整个中文“。”，也千万别用英文的全角符号“．”,至于为什么，我不知道。Matlab会出现：File “凝视．jpg” does not exist.
3.路径

这个是常会犯的，你记得你有那图片，也记得图片名称，但是你没有把他放在当前的路径里你叫人家怎么找，Matlab还没有那么强大到可以全搜索你电脑里面的图片文件。同样编译会出现 ： does not exist。但是还有补救的方法，你可以给它指明可以去哪里找，例如:


我把图片‘凝视.jpg’放在D盘的build文件下面，结果不断地出错出错如图所示，乍一看，才发现把凝视写成凝望了，再一看，把build写成bulid，哈哈，我也只是个初学者，稍粗心就犯错，借此也说明写代码确实得聚精会神啊，这点BUG还容易改，但是如果你做的是大项目，写成百上千行代码，因为拼写错误而花了几个小时那实在是亏大了。
好了，本次文件读写就写到这里，有什么疑问可以评论大家一起讨论学习，也许我们会有思想的火花。可能说的都是很琐碎很简单的东西，只要能给你一点点收获，这篇博客就有价值了。下节继续介绍其他函数。感谢观看