pandas导出多个sheet

pandas拷贝一个sheet

前面的回答完全不知道在说什么跟题主的问题没关毛钱关系。。

这个问题里没有描述是要将5个 sheet 的平均值合并到一起展示还是单独展示，我就按合并的展示来操作吧。

f = pd.ExcelFile('E:\Python\CD\CD2020.xlsx')。

print(f.sheet_names)。

col_list = ['a','b','c','d','e']。

result = [] # 存放每个 sheet 求平均之后的结果。

for i in f.sheet_names:。

data = pd.read_excel(f, sheet_name=i,header=0,index_col=0,parse_dates={'datetime': [0]}, encoding='utf-8')。

result.append(data.mean().to_frame(name=i)) # 求均值并放入列表。

pd.concat(result, axis=1) # 将结果中的5个 sheet 合并成一个 dataframe。

解释一下：

data.mean() 计算出每一列的平均值，结果是一个 Series 。为了方便后面合并用方法 .to_frame(name=i) 转换成 dataframe。

pd.concat 可以用来合并多个 dataframe 参数 axis=1 是按列来合并。

结果大概是这样的

pandas导出excel单元格长度

需要在设置中操作。

步骤1：右击所需要复制的工作表sheet，在弹出菜单中选择移动或复制工作表选项。

步骤2：在移动或复制工作表中，勾选建立副本选项，同时我们可以选择将该副本插入到哪个sheet前。

步骤3：设置完成后点击确定按钮，就可以看到复制的工作表了。

怎么通过nrows参数导入数据

pandas导出excel单元格长度。

可以使用pandas的to_excel函数来实现导出excel单元格长度的功能。

下面是一个简单的示例：

```

import pandas as pd。

# 创建一个DataFrame。

df = pd.DataFrame({'Name':['Tom','Jack','Steve','Ricky'],'Age':[28,34,29,42]})。

# 导出excel，指定单元格长度为20。

df.to_excel('test.xlsx', index=False, cell_size=20)。

```

上面的代码将DataFrame导出到test.xlsx文件，并指定单元格长度为20。

python pandas怎么跳读sheet?

1、导入excel表格数据

Excel有两种格式，分别为xls和xlsx格式，两种都可以用python的Pandas模块的read_excel方法导入。read_excel方法返回的结果是DataFrame,DataFrame的一列对应着Excel的一列。

read_excel方法参数介绍：

（1）sheet_name参数：该参数用于指定导入Excel中的哪一个sheet,如果不填写这个参数，则默认导入第一个sheet。

(2)index_col参数：该参数用于指定表格的哪一列作为DataFrame的行索引。从0开始计数。

（3）nrows参数：该参数可以控制导入的行数，该参数在导入文件体积较大时比较有用。

（4）skipfooter参数:该参数可以在导入数据时，跳过表格底部的若干行。

（5）header参数：当使用Pandas的read_excel方法导入Excel文件时，默认表格的第一行为字段名。如果表格的第一行不是字段名。则需要使用该参数设置字段名。

（6）usecols参数：该参数可以控制导入Excel表格中的哪些列。

（7）names参数：该参数可以对导入数据的列名进行重命名。

import pandas as pd# 导入pandas模块并将其缩写。

df=pd.read_excel("C:/Users/kzk/Desktop/背景介绍.xlsx")#使用该方法导入数据。

df

登录后复制

括号里为本地表格地址，可以通过查看属性进行获取，注意地址的分隔符时反斜杠。

df1=pd.read_excel("C:/Users/kzk/Desktop/背景介绍.xlsx",index_col=0)。

df1

#取消行索引

登录后复制

df2=pd.read_excel("C:/Users/kzk/Desktop/背景介绍.xlsx",nrows=5)。

df2

#导入前五行

登录后复制

df3=pd.read_excel("C:/Users/kzk/Desktop/背景介绍.xlsx",header=None)。

df3

#取消表格第一行为默认表头，以0123···为表头。

登录后复制

df4=pd.read_excel("C:/Users/kzk/Desktop/背景介绍.xlsx",header=None,name=['A','B','C','D','E'])。

df4

#取消表格第一行为默认表头，以ABCDE为表头。

登录后复制

df5=pd.read_excel("",header=None,names={'A','B','C','D','E'},usecols=[1,3])。

df5

#索引为1和3，也就是第二列和第四列。

登录后复制

2、导入CSV格式数据

read_csv方法中的sep参数表示要导入的csv文件的分隔符，默认是半角逗号。encoding参数用来指定CSV文件的编码，常用的有utf-8h和gbk。

import pandas as pd。

df1=pd.read_csv("",sep=",",encoding="gbk")。

df1

登录后复制

df2=pd.read_csv("",sep=",",encoding="gbk",nrows=3)。

df2

#只导入前三行

登录后复制

df4=pd.read_csv("",sep=",",encoding="gbk",names=["ID","fruit","amount"])。

df4

登录后复制

3、导入JSON数据

JSON数据是一种轻量级的数据交换格式，容易阅读，也容易被机器扫描，在互联网应用中很常见，有时候从后台系统中导出来的数据就是JSON格式。

JSON文件实际上存储的是一个JSON对象或者一个JSON数组，JSON对象是由多个键值对组成的，类似python的字典，JSON数组由多个JSON对象组成，类似列表。

import pandas as pd。

json=pd.read_json("路径")。

json

登录后复制

4、导入txt格式数据

使用read_table方法，参数和用法与read_csv类似。

import pandas as pd。

df1=pd.read_table("路径")。

df1

登录后复制

5、导入（爬取）网络数据

在数据分析中，除了可以导入文件和数据库中的数据，还有一类非常重要的数据就是网络数据，网络中每天都会产生大量数据，这些数据具有实时性，种类丰富的特点，因此对于数据分析而言是十分重要的一类数据来源。

关键技术：爬取网络表格类数据，pandsa库read_html()方法。

read_html()方法用于导入带有table标签的网页表格数据，使用该方法前，首先要确定网页表格数据是否为table标签。右击网页中的表格查看元素。

确定后才可以使用read_html的方法。

常用参数说明如下

io:字符串，文件路径，也可以是URL连接，网址不接受https，可以尝试去掉s后爬取。

header:指定列标题所在的行。

index_col:指定列标题所在的行。

index_col:指定行标题对应的列。

【例】 爬取A股公司营业收入排行榜。

中商情报网是专业的产业情报分享云平台，主要提供研究报告、行业分析、市场调研等数据。在本案例中，通过爬取中商情报网中A股公司营业收入排行榜表格获取相应的金融数据，数据网址为https://s.askci.com/stock/a/。

import pandas as pd。

url="https://s.askci.com/stock/a/"。

df=pd.read_html(url)[0]#索引为0。

print(df)

登录后复制

0 1 2 3。

0 排名 股票代码 企业简称 营业收入（亿元）

1 1 600028 中国石化 27408.84。

2 2 601857 中国石油 26143.49。

3 3 601668 中国建筑 18913.39。

4 4 601318 中国平安 11804.44。

5 5 601390 中国中铁 10704.17。

6 6 601186 中国铁建 10200.10。

7 7 601398 工商银行 9427.62。

8 8 601628 中国人寿 8585.05。

9 9 600941 中国移动 8482.58。

10 10 601939 建设银行 8242.46。

登录后复制



2.2输出数据

1、CSV格式数据输出

【例】导入sales.csv文件中的前10行数据，并将其导出为sales_new.csv文件。

关键技术：pandas库中的to_csv方法。

在该例中，首先通过pandas库的read_casv方法导入sales.csv文件的前十行数据，然后使用pandas库的to_csv方法将导出的数据输出为sales_new.csv文件。

import pandas as pd。

df=pd.read_csv("地址",sep=","encoding="gbk",nrows=10)。

df.to_csv('sales_new.csv',encoding="gbk")。

登录后复制

pandas库的to_csv方法，参数说明：

path_or_buf:要保存的路径及文件名。

sep:分割符，默认为","

columns:指定要输出的列，用列名，列表表示，默认值为None。

header:是否输出列名，默认值为True。

index:是否输出索引，默认值为True。

encoding:编码方式，默认值为"utf-8" 也可以是gbk。

【例】对于上一小节中的问日，如销售文件格式为：sales.xlsx文件，如何处理。

关键技术：DataFrame对象的to_excel方法。

与上例相似，该例首先利用Pandas库的read_excel方法读入sales.xlsx文件，然后使用to_excel方法导出新文件。

import pandas as pd。

df=pd.read_excel("地址")。

df1=df.head(10)。

df1.to_excel('sales_new.xlsx',encoding="gbk")。

登录后复制

2、xlsx格式数据输出

对于Pandas库中的to_excel()方法，有下列参数说明。

sheet_name:字符串，默认值为"sheet1",指包含DataFrame数据的表的名称。

np_rep:字符串，默认值为’'。指缺失数据的表示方式。

columes：序列，可选参数，要编辑的列。

header:布尔型或字符串列表，默认值为True。如果给定字符串列表，则表示它是列名称的别名。

index:布尔型，默认值为True 行名（索引）

index_label:字符串型或序列，默认值为None。如果文件数据过多的使用多索引，则需使用序列。

encoding：指定Excel文件的编码方式，默认值为None。

3、导入到多个sheet页中

【例】将sale.xlsx文件中的前十行数据，导出到sales_new.xlsx文件中名为df1的sheet页中将后五行数据导出到名为df2的sheet页中。

首先建立df1/df2sheet页，然后使用pd.ExcelWriter方法打开sales_new.xlsx文件，再用to_excel方法导入到指定的sheet页中。

python pandas如何查找不同excel表格的数据并对比大小？

先遍历数据表目录读取所有符合条件的Excel文件代码中我没有作判断，具体看你需求。

测试用这个目录下我只新建了2个Excel文件，第一个文件有5个sheet，第二个文件有7个sheet。

在遍历所有文件的sheet 代码中 sheets = df.sheet_names 这是一个列表类型 可以用切片的方法来实现你的需求 sheets[2:] 表示从第三个开始读取到最后一个。

原文地址：http://www.qianchusai.com/pandas%E5%AF%BC%E5%87%BA%E5%A4%9A%E4%B8%AAsheet.html