Python - Elaborazione di dati XLS

Microsoft Excel è un programma per fogli di calcolo molto utilizzato. La sua facilità d'uso e le caratteristiche accattivanti lo rendono uno strumento molto utilizzato nella scienza dei dati. La libreria Panadas fornisce funzionalità che consentono di leggere il file Excel per intero e in parte solo per un gruppo selezionato di dati. Possiamo anche leggere un file Excel con più fogli al suo interno. Noi usiamo ilread_excel funzione per leggere i dati da esso.

Inserisci come file Excel

Creiamo un file excel con più fogli nel sistema operativo Windows. I dati nei diversi fogli sono come mostrato di seguito.

È possibile creare questo file utilizzando il programma Excel nel sistema operativo Windows. Salva il file comeinput.xlsx.

# 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

Leggere un file Excel

Il read_excelLa funzione della libreria panda viene utilizzata per leggere il contenuto di un file Excel nell'ambiente python come un DataFrame panda. La funzione può leggere i file dal sistema operativo utilizzando il percorso corretto del file. Per impostazione predefinita, la funzione leggerà Sheet1.

import pandas as pd
data = pd.read_excel('path/input.xlsx')
print (data)

Quando eseguiamo il codice precedente, produce il seguente risultato. Si noti come una colonna aggiuntiva che inizia con zero come indice è stata creata dalla funzione.

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

Lettura di colonne e righe specifiche

Simile a quanto abbiamo già visto nel capitolo precedente per leggere il file CSV, il read_excelLa funzione della libreria pandas può essere utilizzata anche per leggere alcune colonne specifiche e righe specifiche. Usiamo il metodo di indicizzazione multi-assi chiamato.loc()per questo scopo. Scegliamo di visualizzare la colonna dello stipendio e del nome per alcune righe.

import pandas as pd
data = pd.read_excel('path/input.xlsx')

# Use the multi-axes indexing funtion
print (data.loc[[1,3,5],['salary','name']])

Quando eseguiamo il codice precedente, produce il seguente risultato.

salary   name
1   515.2    Dan
3   729.0   Ryan
5   578.0  Rasmi

Lettura di più fogli Excel

È possibile leggere più fogli con diversi formati di dati utilizzando la funzione read_excel con l'aiuto di una classe wrapper denominata ExcelFile. Leggerà più fogli in memoria solo una volta. Nell'esempio seguente leggiamo foglio1 e foglio2 in due frame di dati e li stampiamo singolarmente.

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'])

Quando eseguiamo il codice precedente, produce il seguente risultato.

****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