Python-data-science-python-processing-xls-data
Python-XLSデータの処理
Microsoft Excelは、非常に広く使用されているスプレッドシートプログラムです。 その使いやすさと魅力的な機能により、データサイエンスで非常に頻繁に使用されるツールとなっています。 Panadasライブラリは、選択したデータのグループのみの一部だけでなく、Excelファイルを完全に読み取ることができる機能を提供します。 また、複数のシートを含むExcelファイルを読み取ることもできます。 read_excel 関数を使用して、そこからデータを読み取ります。
Excelファイルとして入力
Windows OSで複数のシートを含むExcelファイルを作成します。 さまざまなシートのデータは次のとおりです。
このファイルは、Windows OSのExcelプログラムを使用して作成できます。 ファイルを input.xlsx として保存します。
# Data in Sheet1
id,name,salary,start_date,dept
1,Rick,623.3,2012-01-01,IT
2,Dan,515.2,2013-09-23,Operations
3,Tusar,611,2014-11-15,IT
4,Ryan,729,2014-05-11,HR
5,Gary,843.25,2015-03-27,Finance
6,Rasmi,578,2013-05-21,IT
7,Pranab,632.8,2013-07-30,Operations
8,Guru,722.5,2014-06-17,Finance
# Data in Sheet2
id name zipcode
1 Rick 301224
2 Dan 341255
3 Tusar 297704
4 Ryan 216650
5 Gary 438700
6 Rasmi 665100
7 Pranab 341211
8 Guru 347480
Excelファイルの読み取り
pandasライブラリの read_excel 関数は、Excelファイルのコンテンツをpandas DataFrameとしてPython環境に読み込むために使用されます。 この関数は、ファイルへの適切なパスを使用して、OSからファイルを読み取ることができます。 デフォルトでは、関数はSheet1を読み取ります。
import pandas as pd
data = pd.read_excel('path/input.xlsx')
print (data)
上記のコードを実行すると、次の結果が生成されます。 関数によってインデックスとしてゼロで始まる追加の列がどのように作成されたかに注意してください。
id name salary start_date dept
0 1 Rick 623.30 2012-01-01 IT
1 2 Dan 515.20 2013-09-23 Operations
2 3 Tusar 611.00 2014-11-15 IT
3 4 Ryan 729.00 2014-05-11 HR
4 5 Gary 843.25 2015-03-27 Finance
5 6 Rasmi 578.00 2013-05-21 IT
6 7 Pranab 632.80 2013-07-30 Operations
7 8 Guru 722.50 2014-06-17 Finance
特定の列と行の読み取り
前の章でCSVファイルを読み取るためにすでに見たものと同様に、pandasライブラリの read_excel 関数を使用して、特定の列および特定の行を読み取ることもできます。 この目的のために、*。loc()*と呼ばれる多軸インデックスメソッドを使用します。 一部の行の給与と名前の列を表示することを選択します。
import pandas as pd
data = pd.read_excel('path/input.xlsx')
# Use the multi-axes indexing funtion
print (data.loc[[salary','name']])
上記のコードを実行すると、次の結果が生成されます。
salary name
1 515.2 Dan
3 729.0 Ryan
5 578.0 Rasmi
複数のExcelシートを読む
*ExcelFile* という名前のラッパークラスを使用してread_excel関数を使用すると、異なるデータ形式の複数のシートを読み取ることもできます。 複数のシートを一度だけメモリに読み込みます。 以下の例では、sheet1とsheet2を2つのデータフレームに読み込み、個別に印刷します。
import pandas as pd
with pd.ExcelFile('C:/Users/Rasmi/Documents/pydatasci/input.xlsx') as xls:
df1 = pd.read_excel(xls, 'Sheet1')
df2 = pd.read_excel(xls, 'Sheet2')
print("****Result Sheet 1****")
print (df1[0:5]['salary'])
print("")
print("***Result Sheet 2****")
print (df2[0:5]['zipcode'])
上記のコードを実行すると、次の結果が生成されます。
****Result Sheet 1****
0 623.30
1 515.20
2 611.00
3 729.00
4 843.25
Name: salary, dtype: float64
***Result Sheet 2****
0 301224
1 341255
2 297704
3 216650
4 438700
Name: zipcode, dtype: int64