Python ist eine leistungsstarke und flexible Programmiersprache, die häufig für Datenanalyse und maschinelles Lernen verwendet wird. Eine häufige Aufgabe bei der Datenanalyse besteht darin, Daten aus Dateien verschiedener Formate zu lesen, einschließlich Excel.
In diesem Artikel erfahren Sie, wie Sie Daten aus einer Excel-Datei mithilfe der Pandas-Bibliothek in ein strukturiertes Python-DataFrame-Objekt einlesen. Pandas ist eine leistungsstarke Datenanalysebibliothek mit Funktionen für die Arbeit mit verschiedenen Datenformaten, einschließlich Excel-Dateien.
Mit der Pandas-Bibliothek können Sie sehr einfach Daten aus einer Excel-Datei in einen DataFrame laden. Die Bibliothek stellt die Funktion read_excel() bereit, mit der Sie den Dateipfad und den Namen des Arbeitsblatts angeben können, von dem die Daten geladen werden sollen. Nachdem Sie die Daten in einen DataFrame geladen haben, können Sie sie wie eine normale Tabelle bearbeiten, verschiedene Operationen ausführen und die Daten analysieren.
Wie liest man Daten aus einer Excel-Datei in einem Python-DataFrame
Zuerst müssen Sie die Pandas-Bibliothek installieren, wenn sie noch nicht auf Ihrem Computer installiert ist. Dazu können Sie den Befehl pip verwenden:
!pip install pandasNach der Installation der Pandas - Bibliothek können wir die Funktion read_excel() verwenden , um Daten aus einer Excel-Datei zu lesen und in einem Objekt vom DataFrame - Typ zu speichern.
import pandas as pddataframe = pd.read_excel('file.xlsx')Als Ergebnis dieses Codes erstellen wir einen DataFrame, der die Daten aus einer Excel-Datei enthält. Standardmäßig geht pandas davon aus, dass die Daten mit der ersten Zeile beginnen, dies kann jedoch mit zusätzlichen Argumenten geändert werden.
Wenn eine Excel-Datei mehrere Arbeitsblätter enthält, können Sie angeben, aus welchem Arbeitsblatt die Daten gelesen werden sollen. Zum Beispiel:
dataframe = pd.read_excel('file.xlsx', sheet_name='Sheet1')Sie können auch bestimmte Spalten angeben, die Sie lesen möchten. Zum Beispiel:
dataframe = pd.read_excel('file.xlsx', usecols=['column1', 'column2'])Wenn die Excel-Datei über einen Titel (Spaltennamen) verfügt und Sie ihn im DataFrame verwenden möchten, können Sie den Parameter header verwenden. Wenn kein Header vorhanden ist, müssen Sie header=None angeben. Zum Beispiel:
dataframe = pd.read_excel('file.xlsx', header=0)Als Ergebnis können wir die Daten einfach und bequem aus einer Excel-Datei lesen und sie mit der Pandas-Bibliothek in einem DataFrame speichern. Danach können Sie verschiedene Operationen durchführen und die Daten mit den leistungsstarken Funktionen von Pandas analysieren.
Installieren der benötigten Bibliotheken
Um mit dem Lesen von Daten aus einer Excel-Datei in einen Python-DataFrame zu beginnen, benötigen Sie die folgenden Bibliotheken:
| Die Bibliothek | Befehl zum Installieren |
|---|---|
| pandas | pip install pandas |
| openpyxl | pip install openpyxl |
| xlrd | pip install xlrd |
Die Bibliothek pandas ist ein grundlegendes Werkzeug für die Arbeit mit Daten in Python. Es bietet praktische Werkzeuge zum Lesen, Schreiben und Analysieren von Daten.
Bibliotheken openpyxl und xlrd ermöglicht die Arbeit mit Excel-Dateien. Sie bieten Funktionalität zum Lesen von Daten aus Excel-Dateien und zum Schreiben von Daten darin.
Um diese Bibliotheken zu installieren, müssen Sie den Python - pip-Paketmanager installieren, falls er noch nicht installiert ist. Sie können dann die oben genannten Installationsbefehle an der Eingabeaufforderung Ihres Betriebssystems ausführen.
Herstellen einer Verbindung mit einer Excel-Datei
Um mit Excel-Dateien in Python zu beginnen, müssen Sie die Pandas-Bibliothek installieren und importieren, die Funktionen zum Lesen und Schreiben von Daten aus verschiedenen Formaten, einschließlich Excel, bietet.
Nach der Installation von Pandas können Sie mit der Funktion read_excel() eine Verbindung zur Excel-Datei herstellen. Es ermöglicht Ihnen, Daten aus einer Excel-Datei zu lesen und einen DataFrame zu erstellen, der weiter zur Analyse und Verarbeitung der Daten verwendet werden kann.
Als erstes müssen Sie den Pfad zur Excel-Datei als Argument für die read_excel() -Funktion angeben. Wenn sich die Datei im aktuellen Verzeichnis befindet, genügt es, nur den Namen der Datei anzugeben. Andernfalls müssen Sie den vollständigen Pfad zur Datei angeben.
Im folgenden Beispielcode wird veranschaulicht, wie Sie eine Verbindung zu einer Excel-Datei herstellen und die Daten in einem Python-DataFrame lesen können:
import pandas as pd
# Pfad zur Excel-Datei
# Verbindung zu einer Excel-Datei herstellen und Daten lesen
# Ausgabe der ersten 5 Zeilen des DataFrame
In diesem Beispiel enthält die Variable file_path den Pfad zu einer Excel-Datei. Die Funktion read_excel() liest Daten aus der angegebenen Datei und erstellt einen df-DataFrame . Die Funktion head() gibt dann die ersten 5 Zeilen des DataFrame aus, um sicherzustellen, dass das Lesen erfolgreich war.
Nachdem Sie mit Pandas eine Verbindung zu einer Excel-Datei hergestellt haben, können die Daten aus der Datei für die Analyse, Filterung, Manipulation und Visualisierung verwendet werden. Durch das Importieren von Daten aus Excel in einen Python-DataFrame können Sie effizient mit einer großen Menge an Informationen arbeiten und weitere Untersuchungen durchführen.
Lesen von Daten aus ausgewählten Dateiblättern
Häufig werden Daten in Excel-Dateien in verschiedenen Arbeitsblättern gespeichert. Wenn Sie Dateien in Python mit der Pandas-Bibliothek lesen, können Sie bestimmte Arbeitsblätter zum Lesen auswählen. Dies kann nützlich sein, wenn Sie nur bestimmte Daten aus einer Datei benötigen und nicht alle Daten, die in allen Arbeitsblättern enthalten sind.
Sie können die read_excel() -Methode der pandas-Bibliothek verwenden, um Daten aus ausgewählten Arbeitsblättern zu lesen, indem Sie ein sheet_name-Argument mit einer Liste von Arbeitsblattnamen angeben, die Sie lesen möchten. Hier ist ein Beispiel:
import pandas as pd# Чтение данных из двух листов с именами "Лист1" и "Лист2"data = pd.read_excel("файл.xlsx", sheet_name=["Лист1", "Лист2"])# Вывод данных на экранprint(data)Wenn Sie alle Arbeitsblätter aus einer Datei lesen möchten, können Sie entweder den Wert None angeben oder das Argument sheet_name überhaupt nicht angeben:
import pandas as pd# Чтение всех листов из файлаdata = pd.read_excel("файл.xlsx")# Вывод данных на экранprint(data)Nachdem Sie die Daten aus den ausgewählten Arbeitsblättern gelesen haben, können Sie mit den Funktionen der Pandas-Bibliothek verschiedene Vorgänge wie Filtern, Analysieren oder Visualisieren durchführen.
Es ist wichtig zu beachten, dass das Lesen von Daten aus mehreren Arbeitsblättern länger dauern kann und mehr Speicher benötigt, insbesondere wenn die Dateien große Datenmengen enthalten. Wenn Sie also nur bestimmte Arbeitsblätter lesen müssen, wird empfohlen, diese Funktion der Pandas-Bibliothek zu verwenden.
| Blatt1 | Blatt2 |
|---|---|
| 1 | 4 |
| 2 | 5 |
| 3 | 6 |
Berichtigung und Vorverarbeitung von Daten
Bevor Sie mit der Analyse von Daten aus einer Excel-Datei beginnen, ist es wichtig, einen Korrekturprozess durchzuführen und die Daten vorab zu verarbeiten, um eine qualitative und zuverlässige Analyse zu gewährleisten.
Hier sind einige Schritte, mit denen Sie die Daten vor der weiteren Analyse korrigieren und vorarbeiten können:
1. Entfernen von Duplikaten: Überprüfen Sie, ob doppelte Datensätze in den Daten vorhanden sind, und löschen Sie sie bei Bedarf. Sie können die Methode verwenden duplicated() in der Pandas-Bibliothek, um Duplikate zu finden und zu entfernen.
2. Verarbeiten von fehlenden Werten: Verwenden Sie die Methode isnull() definieren Sie in Pandas die fehlenden Werte in den Daten und entscheiden Sie dann, wie Sie mit diesen Auslassungen umgehen sollen. Sie können Zeilen oder Spalten mit fehlenden Werten löschen, sie mit einigen Standardwerten füllen oder verschiedene Methoden zum Ausfüllen von fehlenden Werten anwenden.
3. Ändern von Datentypen: Stellen Sie sicher, dass die Daten für jede Spalte den richtigen Datentyp haben. Wenn die Spalte beispielsweise numerische Werte enthält, stellen Sie sicher, dass sie vom Datentyp "Zahl" (int oder float) ist.
4. Entfernen überflüssiger Spalten: Überprüfen Sie, ob die Daten Spalten enthalten, die für Ihre Analyse keine nützlichen Informationen enthalten. Schließen Sie diese Spalten in diesem Fall mit der Funktion aus drop() in Pandas.
5. Umgang mit Emissionen und Fehlern: Verwenden Sie Diagramme und statistische Methoden, um Ausreißer und Fehler in den Daten zu erkennen. Entscheiden Sie dann, welche Schritte erforderlich sind, um diese Probleme zu beheben. Sie können beispielsweise Ausreißer durch Werte aus einem Bereich ersetzen, sie entfernen oder andere Verarbeitungsmethoden anwenden.
Nachdem Sie die Daten korrigiert und vorverarbeitet haben, sind Sie bereit, mit dem Python-DataFrame wertvolle Einblicke aus Ihrer Excel-Datei zu analysieren und zu extrahieren.
Konvertieren von Daten in einen DataFrame
Um Daten mithilfe von Pandas aus einer Excel-Datei in einen DataFrame zu konvertieren, führen Sie die folgenden Schritte aus:
- Importieren Sie die benötigten Bibliotheken.
- Laden Sie Daten aus einer Excel-Datei in einen Pandas-DataFrame.
Hier ist ein Beispielcode, der diese Schritte veranschaulicht:
import pandas as pd# Шаг 1: Импортировать библиотеки# Шаг 2: Загрузить данные из Excel-файла в DataFramedata_frame = pd.read_excel('имя_файла.xlsx')
Wenn dieser Code ausgeführt wird, werden die Daten aus der Excel-Datei als Tabellenkalkulation (DataFrame) in die Variable data_frame geladen.
Der resultierende DataFrame kann weiter für verschiedene Datenoperationen wie Filtern, Sortieren, Aggregieren und andere verwendet werden. Sie können die empfangenen Daten auch mithilfe der Funktion to_excel() in eine Excel-Datei zurückschreiben.
Dieser Ansatz macht es einfach und effizient, mit Daten aus einer Excel-Datei in Python zu arbeiten und bietet leistungsstarke Werkzeuge für die Analyse und Verarbeitung von Daten.
Das Konvertieren von Daten aus einer Excel-Datei in einen DataFrame mit Pandas ist also eine einfache und effiziente Möglichkeit, mit Daten in Python zu arbeiten.
Zusammenfassend haben wir untersucht, wie man Daten aus einer Excel-Datei liest und sie mithilfe der Pandas-Bibliothek in Python in einen DataFrame konvertiert. Dies eröffnet umfangreiche Möglichkeiten für die Verarbeitung und Analyse von Daten und vereinfacht die Arbeit mit Daten in Python.
