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'])