Verwenden von Pandas zu pd.read_excel () für mehrere Arbeitsblätter derselben Arbeitsmappe

Ich habe eine große Tabellenkalkulationsdatei (.xlsx), die ich mit Python-Pandas verarbeite. Es kommt vor, dass ich Daten von zwei Registerkarten in dieser großen Datei benötige. Eine der Registerkarten enthält eine Menge Daten und die andere enthält nur wenige quadratische Zellen.

Wenn ich pd.read_excel () in einem Arbeitsblatt verwende, sieht es für mich so aus, als ob die gesamte Datei geladen ist (nicht nur das Arbeitsblatt, an dem ich interessiert bin). Wenn ich die Methode also zweimal verwende (einmal für jedes Blatt), muss ich effektiv die gesamte Arbeitsmappe zweimal einlesen lassen (obwohl wir nur das angegebene Blatt verwenden).

Benutze ich es falsch oder ist es nur auf diese Weise begrenzt?

Danke dir!

Versuchen Sie pd.ExcelFile:

xls = pd.ExcelFile('path_to_file.xls')
df1 = pd.read_excel(xls, 'Sheet1')
df2 = pd.read_excel(xls, 'Sheet2')

Wie von @HaPsantran festgestellt, wird die gesamte Excel-Datei während des ExcelFile()Aufrufs eingelesen (es scheint keinen Weg zu geben, dies zu umgehen ). Dies erspart Ihnen lediglich, jedes Mal, wenn Sie auf ein neues Blatt zugreifen möchten, dieselbe Datei lesen zu müssen.

Beachten Sie, dass das sheet_nameArgument to pd.read_excel()der Name des Blattes (wie oben), eine Ganzzahl, die die Blattnummer angibt (z. B. 0, 1 usw.), eine Liste von Blattnamen oder -indizes oder sein kann None. Wenn eine Liste bereitgestellt wird, wird ein Wörterbuch zurückgegeben, in dem die Schlüssel die Blattnamen / -indizes und die Werte die Datenrahmen sind. Standardmäßig wird einfach das erste Blatt (dh sheet_name=0) zurückgegeben.

Wenn Noneangegeben, werden alle Blätter als {sheet_name:dataframe}Wörterbuch zurückgegeben.

Es gibt 3 Möglichkeiten:

Lesen Sie alle Blätter direkt in ein geordnetes Wörterbuch.

import pandas as pd

# for pandas version >= 0.21.0
sheet_to_df_map = pd.read_excel(file_name, sheet_name=None)

# for pandas version < 0.21.0
sheet_to_df_map = pd.read_excel(file_name, sheetname=None)

Vielen Dank an @ihightower für den Hinweis und @toto_tico für den Hinweis auf das Versionsproblem.

Lesen Sie das erste Blatt direkt in den Datenrahmen

df = pd.read_excel('excel_file_path.xls')
# this will read the first sheet into df

Lesen Sie die Excel-Datei und erhalten Sie eine Liste der Blätter. Wählen Sie dann die Blätter aus und laden Sie sie.

xls = pd.ExcelFile('excel_file_path.xls')

# Now you can list all sheets in the file
xls.sheet_names
# ['house', 'house_extra', ...]

# to read just one sheet to dataframe:
df = pd.read_excel(file_name, sheetname="house")

Lesen Sie alle Blätter und speichern Sie sie in einem Wörterbuch. Gleich wie zuerst, aber expliziter.

# to read all sheets to a map
sheet_to_df_map = {}
for sheet_name in xls.sheet_names:
    sheet_to_df_map[sheet_name] = xls.parse(sheet_name)

Update: Vielen Dank an @toto_tico für den Hinweis auf das Versionsproblem.

Sheetname: string, int, gemischte Liste von Strings / Ints oder None, default 0 Veraltet seit Version 0.21.0: Verwenden Sie SHEET_NAME stattdessen Quellen - Link

Sie können auch den Index für das Blatt verwenden:

xls = pd.ExcelFile('path_to_file.xls')
sheet1 = xls.parse(0)

gibt das erste Arbeitsblatt. für das zweite Arbeitsblatt:

sheet2 = xls.parse(1)

Sie können auch den Blattnamen als Parameter angeben:

data_file = pd.read_excel('path_to_file.xls', sheet_name="sheet_name")

lädt nur das Blatt hoch "sheet_name".

pd.read_excel('filename.xlsx') 

Standardmäßig lesen Sie das erste Blatt der Arbeitsmappe.

pd.read_excel('filename.xlsx', sheet_name = 'sheetname') 

Lesen Sie das spezifische Blatt der Arbeitsmappe und

pd.read_excel('filename.xlsx', sheet_name = None) 

Lesen Sie alle Arbeitsblätter von Excel bis Pandas Datenrahmen als Typ von OrderedDict bedeutet verschachtelte Datenrahmen, alle Arbeitsblätter als Datenrahmen innerhalb von Datenrahmen gesammelt und sein Typ ist OrderedDict.

Ja, leider wird immer die vollständige Datei geladen. Wenn Sie dies wiederholt tun, extrahieren Sie die Blätter wahrscheinlich am besten in separate CSVs und laden Sie sie dann separat. Sie können diesen Prozess mit d6tstack automatisieren, wodurch zusätzliche Funktionen hinzugefügt werden , z. B. die Überprüfung, ob alle Spalten für alle Blätter oder mehrere Excel-Dateien gleich sind.

import d6tstack
c = d6tstack.convert_xls.XLStoCSVMultiSheet('multisheet.xlsx')
c.convert_all() # ['multisheet-Sheet1.csv','multisheet-Sheet2.csv']

Siehe Beispiele für d6tstack Excel

Wenn Sie die Excel-Datei im selben Ordner wie Ihr Python-Programm (Relative Addressing) gespeichert haben, müssen Sie nur die Blattnummer und den Dateinamen angeben. Syntax = pd.read_excel (Dateiname, SheetNo) Beispiel:

    data=pd.read_excel("wt_vs_ht.xlsx","Sheet2")
    print(data)
    x=data.Height
    y=data.Weight
    plt.plot(x,y,'x')
    plt.show()