Pandas 动态确定标题行

Pandas是用python语言编写的,超好用的数据处理工具,也提供了特别方便的excel读写功能,可以一句话读入excel文件中所有数据:

import pandas as pd

dataframe = pd.read_excel(io=file_path_name, header=1)

read_excel方法有很多参数,其中header表示第几行是excel文件的标题行——Pandas会使用标题行中的值,当做dataframe中的列名。这个行数从0开始计数,比如说excel是这个样子:

空空空 空空空
姓名 性别
张大柱
王翠花

那么上面的代码就把第2行当做标题行,读出来的dataframe有两列,分别是"姓名"和"性别",可以用dataframe['姓名'],来获取第一列的数据。

但有的时候,我们不知道第几行才是标题行,而且excel文件又相当大,比如有上万行,read_excel一次花费的时间,可能高达数十秒。这时我们就要在一次性读取数据之前,先确定标题行的位置。

那么就先找找标题行的特征,比如我们知道第一列永远都是“姓名”,我们就可以先循环读取表格中第一列的所有单元格,直到找到“姓名”为止,也就确认标题行了。

正好Pandas底层使用了xlrd来读取excel,这个库也就不用单独安装了,直接引用,加入下面几行代码即可:

import pandas as pd
import xlrd

workbook = xlrd.open_workbook(file_path_name)  # 打开指定的excel文件
sheet = workbook.sheets()[0]  # 读取指定的sheet表格
i = 1  # 假设缺省情况下,第2行是标题行
for i in range(10):
    value = sheet.cell(i, 0).value  # 行号、列号,都是从0开始
    if value == '姓名':
        break
workbook.release_resources()

dataframe = pd.read_excel(io=file_path_name, header=i)

这样无论第几行是标题行,都能正确解析了

你可能感兴趣的