日常生活中，不免俗的都會有需要整理大量資料的需求，而最常用的文書軟體就是Excel，這時候該如何有效讀取Excel檔中的資料，進行額外的整理及操作呢?
本文將以政府開放資料平台-歷年國內主要觀光遊憩據點遊客人數月別統計的資料內容為例，利用Python的Pandas套件，來和大家分享實務上最常見的Excel讀取操作，藉此來提升資料處理的效率。
其中的重點包含：- Pandas讀取Excel資料
- Pandas讀取Excel欄資料
- Pandas讀取Excel列資料
- Pandas讀取Excel儲存格資料
- Pandas合併Excel資料
一、Pandas讀取Excel資料
在開始本文的實作前，在桌面建立一個專案資料夾，接著，到政府開放資料平台-歷年國內主要觀光遊憩據點遊客人數月別統計網站，將下載的CSV檔案，另存為Excel檔案，並且「放置在專案資料夾中」，資料內容擷取部分如下：
可以看到目前只有一個工作表(Sheet)，包含主要觀光景點歷年每個月的遊客人數。接下來，利用以下指令安裝Python的Pandas套件及操作Excel的相依性套件openpyxl：
$ pip install pandas $ pip install openpyxl
安裝完成後，建立demo.py檔案，引用Pandas模組(Module)，如下範例：
import pandas as pd
而要利用Pandas模組(Module)讀取Excel檔案的資料，可以利用read_excel()方法(Method)，如下範例：
import pandas as pd
df = pd.read_excel("歷年國內主要觀光遊憩據點遊客人數月別統計.xlsx")
print(df)執行結果
在read_excel()方法(Method)的第一個參數，就是傳入Excel檔案的路徑，由於本文放置在專案資料夾中，屬於同一層目錄，所以只要傳入檔名即可。
除此之外，如果Excel檔中有多個工作表(sheet)，想要一次進行讀取的話，該如何達成呢?這邊為了展示多個工作表(sheet)的讀取，筆者新增兩個工作表(sheet)，分別將原資料內容的2019年及2018年資料填入，擷取部分如下：
這時候，就需要在read_excel()方法(Method)中，指定sheet_name關鍵字參數為None，Pandas模組(Module)就會讀取多個工作表(sheet)內容，並且組成字典(Dictionary)的型態，否則預設僅會讀取第一個工作表(sheet)，如下範例：
import pandas as pd
df = pd.read_excel("歷年國內主要觀光遊憩據點遊客人數月別統計.xlsx", sheet_name=None)
print(df)執行結果
當只需要讀取特定的工作表(sheet)，大家應該就知道怎麼做了吧，就是在sheet_name關鍵字參數的地方進行指定，如果有一個以上的話，組成串列(List)即可，如下範例：
import pandas as pd
df = pd.read_excel("歷年國內主要觀光遊憩據點遊客人數月別統計.xlsx", sheet_name="2019")
# df = pd.read_excel("歷年國內主要觀光遊憩據點遊客人數月別統計.xlsx", sheet_name=["2018", "2019"])
print(df)執行結果
二、Pandas讀取Excel欄資料
瞭解Pandas模組(Module)讀取工作表(sheet)的資料後，接下來，對於其中的內容讀取，主要可分為欄(column)、列(row)及儲存格(cell)資料。
首先，Pandas模組(Module)想要讀取工作表(sheet)中，某些欄位(column)的資料內容，可以使用usecols關鍵字參數來指定所要選取的「欄位標題」、「索引值」或「欄位名稱」，如下範例：
import pandas as pd
# 指定欄位標題
df = pd.read_excel("歷年國內主要觀光遊憩據點遊客人數月別統計.xlsx",
sheet_name="2019",
usecols=["年別", "細分", "合計"])
# 指定欄位索引值
# df = pd.read_excel("歷年國內主要觀光遊憩據點遊客人數月別統計.xlsx",
# sheet_name="2019",
# usecols=[0, 3, 17])
# 指定欄位名稱
# df = pd.read_excel("歷年國內主要觀光遊憩據點遊客人數月別統計.xlsx",
# sheet_name="2019",
# usecols="A, D, R")
print(df)執行結果
而如果有多個欄位，不想要一個一個指定的話，也可以使用Pandas模組(Module)的範圍選取欄位(column)方式，如下範例：
import pandas as pd
# 選取範圍欄位名稱
df = pd.read_excel("歷年國內主要觀光遊憩據點遊客人數月別統計.xlsx",
sheet_name="2019",
usecols="A, D, F:R")
print(df)執行結果
以上範例，除了選取A及D欄位外，利用「:」符號範圍選取F到R欄位的資料內容。
三、Pandas讀取Excel列資料
有時Excel檔案的資料量過於龐大，在Pandas模組(Module)讀取的時候可以利用nrows關鍵字參數，來指定所要讀取的列(row)數量，如下範例：
import pandas as pd
# 讀取前20列資料
df = pd.read_excel("歷年國內主要觀光遊憩據點遊客人數月別統計.xlsx",
sheet_name="2019",
nrows=21)
print(df)執行結果
而想要選取Excel檔中，特定列(row)的資料時，可以利用Pandas模組(Module)的read_excel()方法(Method)讀取資料內容後，使用Pandas DataFrame的「[]」符號來範圍選取所需的列(row)資料，如下範例：
import pandas as pd
# 讀取2012年的列資料
df = pd.read_excel("歷年國內主要觀光遊憩據點遊客人數月別統計.xlsx")
new_df = df[0:287] # 索引值0~286的列資料
print(new_df)執行結果
以上範例假設要選取Excel檔中，原工作表(sheet)中的2012年資料，所以在第4行完成讀取資料內容後，再來進行列(row)資料的選取。要特別注意的是，「[]」符號中所傳入的是列(row)索引值，從欄位標題之下0開始計算。
四、Pandas讀取Excel儲存格資料
同樣先利用Pandas模組(Module)的read_excel()方法(Method)讀取Excel的資料內容後，使用at或iat屬性(Property)來進行儲存格的定位，詳細的觀念可以參考[Pandas教學]資料分析必懂的Pandas DataFrame處理雙維度資料方法文章，如下範例：
import pandas as pd
df = pd.read_excel("歷年國內主要觀光遊憩據點遊客人數月別統計.xlsx")
d2 = df.at[0, "細分"] # 讀取D2儲存格的值(以列索引值及欄位標題來定位)
# d2 = df.iat[0, 3] # 讀取D2儲存格的值(以列索引值及欄索引值來定位)
print(d2) #陽明山遊客中心五、Pandas合併Excel資料
如果想要合併多個工作表(sheet)的資料，則可以依照以下的步驟來達成：
- 建立一個空的Pandas DataFrame，用來存放合併Excel資料的結果。
- 利用Pandas模組(Module)的read_excel()方法(Method)讀取所有的工作表(sheet)。
- 利用Pandas模組(Module)的ExcelFile方法(Method)取得所有的工作表(sheet)名稱。
- 透過迴圈及get()方法(Method)，讀取個別的工作表(sheet)資料，利用Pandas的concat()方法(Method)進行合併，如下範例：
import pandas as pd
df = pd.DataFrame()
data = pd.read_excel("歷年國內主要觀光遊憩據點遊客人數月別統計.xlsx", sheet_name=None)
sheet = pd.ExcelFile("歷年國內主要觀光遊憩據點遊客人數月別統計.xlsx")
for s_name in sheet.sheet_names:
df = pd.concat([df, data.get(s_name)], ignore_index=False)
print(df)執行結果
六、小結
本文利用政府開放資料平台-歷年國內主要觀光遊憩據點遊客人數月別統計資料為例，來簡單介紹如何利用Pandas套件來讀取Excel檔案中的資料，分別有工作表(sheet)、欄資料(column)、列資料(row)及儲存格資料(cell)，並且將讀取到的Excel資料進行合併，如此即能有效的使用這些資料，進行更多的應用。
至於如何利用Pandas套件，將取得的資料寫入Excel檔案，可以參考解析Python網頁爬蟲如何有效整合Pandas套件提升資料處理效率文章，希望對大家有所幫助。如果有其它想要瞭解的Pandas套件應用，歡迎在底下留言讓我知道唷 :)
留言
張貼留言