https://cloud.tencent.com/developer/article/1559513# 传统企业里,Excel仍然是数据存储,报表生成和数据分析的主力军,随着数据体量的增长,和数据分析、挖掘,BI更进一步需要,如何快速地使用Pandas来ETL Excel或者分析Excel就变得很重要了。 今天讨论的就是几个比较特殊的表单形式, (图1) (图2) (图3) 碰到上面的这几种形式,你会怎么做? 这里我介绍下我的做法, 第一个和第二个图都是多行表头的形式,pandas的read_excel运行指定从指定行开始读取(就是忽略某些行)以及指定哪些为表头, import pandas as pd 图1的代码实现 df = pd.read_excel('3headers_demo.xlsx' ,sheet_name="Sheet1" ,header=[0,1,2]) df df=df.set_index(df.columns[0]) df=df.stack(level=0).stack(level=0).reset_index() df.columns=list(df.columns[1:].insert(0,'Date')) df 图2的代码实现, df = pd.read_excel('3headers_demo.xlsx' ,sheet_name="Sheet4" ,skiprows=1 ,header=[0,1,2]) df=df.iloc[:,1:] df=df.set_index(df.columns[0]) df 得到和图1一样的结果,接下来的处理便一样了 图3的代码实现 图3是一种常见的MultiIndex形式 df = pd.read_excel('3headers_demo.xlsx' ,sheet_name="Sheet3" ,index_col=[0,1]) df.reset_index() Pandas不仅仅可以方便读取上面的复杂格式数据,也提供了非常丰富的数据转换函数, 有兴趣的同学可以详细阅读这篇文章,代码为主,https://pandas./pandas-docs/stable/user_guide/reshaping.html |
|