numpy中的converters和usecols用法详解

目录 方法一：使用usecols 方法二：使用numpy 方法三：使用切片区间 总结：

用Python打开Excel数据，读取时需要将]学号[和[ID"转换成字符，以便后续操作

df = pd.read_excel(path, converters={'学号': str, 'ID': str})

以下是我的经历来体会：

我在从Excel读入python的数据时，发现读出的是空值：

import pandas as pd 
df=pd.read_excel("D:/Python/05DataMineML/2022STU(1).xlsx")
df

但是分明是有数据的，大概率出现的原因是 sheetname （表的名称）出现了问题。

那就试试其他的方法：

下图是Excel的表头，共有115行数据。

方法一：使用usecols

#获取字段的第一种写法
import pandas as pd
df=pd.read_excel('05DataMineML/2022STU(1).xlsx',usecols=['学号','姓名','20220101','20220125','20220202','20220208','20220213','20220220','20220226','20220311','20220320','20220327','20220403','randscore'],index_col='姓名',sheet_name='2022STUMOOC')
df.info()

index_col：指定作为表格的索引值
usecols：pandas读取excel使用read_excel()中的usecols参数读取指定的列
sheet_name：表名

重点：要使用usecols参数，sheet_name必须显式写出来。

方法二：使用numpy

#获取字段的第二种写法:使用numpy
import pandas as pd
import numpy as np
df=pd.read_excel('05DataMineML/2022STU(1).xlsx',converters={'学号':str},usecols=np.arange(3,16),index_col='姓名',sheet_name='2022STU')
df.head()

这里就涉及converters：

converters={'学号':str} ：将学号转换为字符类型，以便后续操作。

这里使用了 usecols=np.arange(3,16)

方法三：使用切片区间

#获取字段的第三种写法:切片区间
import pandas as pd
import numpy as np
df=pd.read_excel('05DataMineML/2022STUMOOC (1).xlsx',converters={'学号':str},usecols=("D:P"),index_col='姓名',sheet_name='2022STUMOOC')
df

这里使用了 usecols=("D:P") ，也就是使用了如下图每列的序号值做切片

总结：

converters用法：转换类型。比如将Excel数据一列从int变成str

usecols用法

usecols=[‘学号',‘姓名']
usecols=np.arange(3,16)
usecols=(“D:P”)

到此这篇关于numpy中的converters和usecols用法详解的文章就介绍到这了,更多相关numpy converters和usecols内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！

查看更多关于numpy中的converters和usecols用法详解的详细内容...