如何在 Jupyter Notebook 中读取 Excel 文件 - Python

在数据分析和数据科学中，Excel 文件是常见的数据来源之一。在 Jupyter Notebook 中读取 Excel 文件也非常容易。本文将为大家介绍如何使用 Python 来读取 Excel 文件。

安装 Pandas

在使用 Python 读取 Excel 文件之前，需要确保已经安装了 Pandas 库。Pandas 是一种快速、强大、灵活的数据处理工具，可以处理来自多种来源的数据。

您可以使用以下命令在安装 Pandas：

python -m pip install pandas

读取 Excel 文件

下面的代码演示了如何在 Jupyter Notebook 中读取 Excel 文件：

import pandas as pd

# 读取 Excel 文件
df = pd.read_excel('文件路径')

# 显示前5行数据
df.head()

其中，'文件路径' 是 Excel 文件的路径。您可以使用绝对路径或相对路径，相对路径可以是相对于当前 Jupyter Notebook 的路径。

选择特定的工作表

如果 Excel 文件中有多个工作表，则可以使用以下代码来选择特定的工作表：

# 选择工作表
df = pd.read_excel('文件路径', sheet_name='工作表名称')

# 显示前5行数据
df.head()

其中，'工作表名称' 是您要选择的工作表的名称。您也可以使用工作表索引来选择工作表，如下所示：

# 选择工作表
df = pd.read_excel('文件路径', sheet_name=0)

# 显示前5行数据
df.head()

选择特定的列

如果您只想读取 Excel 文件中的特定列，则可以使用以下代码：

# 选择特定的列
df = pd.read_excel('文件路径', usecols=['列1名称', '列2名称'])

# 显示前5行数据
df.head()

其中，'列1名称' 和 '列2名称' 是您要选择的列的名称。如果您不想选择特定的列，可以省略 usecols 参数。

过滤行

如果您只想读取 Excel 文件中符合某些条件的行，则可以使用以下代码：

# 过滤行
df = pd.read_excel('文件路径', nrows=10, skiprows=range(1, 5))

# 显示前5行数据
df.head()

其中，nrows 参数用于指定要读取的行数，skiprows 参数用于指定要跳过的行数。在上面的示例中，我们将跳过文件中的第2到第5行，并只读取文件的前10行。

处理空值

读取 Excel 文件时，Pandas 会将空单元格解释为 NaN（Not a Number）。如果您想要删除包含 NaN 值的行或列，则可以使用以下代码：

# 删除含有 NaN 值的行
df.dropna(inplace=True)

# 删除含有 NaN 值的列
df.dropna(axis='columns', inplace=True)

以上代码将删除 DataFrame 中任何列或行中包含 NaN 值的行或列。如果您不想删除行或列，则可以通过其他方式来处理 NaN 值，例如填充NaN 值或将其替换为其他值。

结论

以上就是 Jupyter Notebook 中读取 Excel 文件的方法。Pandas 是一个非常强大的库，可以帮助您轻松地读取、处理和分析数据。如果您想了解更多有关 Pandas 的信息，请参阅 Pandas 文档。