使用Pandas-Python如何从Excel中读取特定列

Question

我在读取Excel表格，并且想要读取某些列：第0列是行索引，以及第22到37列。这是我的做法：

import pandas as pd
import numpy as np
file_loc = "path.xlsx"
df = pd.read_excel(file_loc, index_col=None, na_values=['NA'], parse_cols = 37)
df= pd.concat([df[df.columns[0]], df[df.columns[22:]]], axis=1)

但我希望有更好的方法来做到这一点！我知道如果我使用 parse_cols=[0, 22,..,37] ，我可以做到，但对于大型数据集来说这并不明智。

我还尝试了这个方法：

s = pd.Series(0)
s[1]=22
for i in range(2,14):
    s[i]=s[i-1]+1
df = pd.read_excel(file_loc, index_col=None, na_values=['NA'], parse_cols = s)

但它只读取了前15列，即s的长度。

- Ana

---

你需要生成一个列的列表，并将其传递给 parse_cols，例如 parse_cols=[0, 22,23,24.....,37]，而不是你现在正在做的。 - EdChum

不确定为什么它没有起作用，可能是一个bug，当你传递一个硬编码列表时会发生什么：df = pd.read_excel(file_loc, index_col=None, na_values=['NA'], parse_cols = [0,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37)？ - EdChum

@EdChum，如果传递硬编码列表，则可以正常工作。 - Ana

在这种情况下，生成一个列表而不是一系列。 - EdChum

Answer 1

您可以像这样使用列索引（字母）：

import pandas as pd
import numpy as np
file_loc = "path.xlsx"
df = pd.read_excel(file_loc, index_col=None, na_values=['NA'], usecols="A,C:AA")
print(df)

相应文档：

usecols： int，str，类似列表或可调用对象，默认为None

• 如果为 None，则解析所有列。

• 如果为 str，则表示逗号分隔的 Excel 列字母和列范围的列表（例如，“A:E”或“A、C、E:F”）。范围包括两侧。

• 如果为 int 列表，则表示要解析的列号列表。

• 如果为字符串列表，则表示要解析的列名称列表。

  从版本 0.24.0 开始提供。

• 如果为可调用对象，则针对每个列名进行评估，并在可调用对象返回 True 时解析该列。

根据上述行为返回子集列。

从版本 0.24.0 开始提供。

- MartyIX

---

需要注意的是，“名称”应该被理解为“Excel表格中的名称”，而不是您可以选择或用作标头的名称。文档对此并没有明确说明，但值得一提的是，这让我有些头痛。 - Ando Jurai

Answer 2

parse_cols 已被弃用，请使用 usecols

即：

df = pd.read_excel(file_loc, index_col=None, na_values=['NA'], usecols = "A,C:AA")

- Leoli

---

请注意我今天遇到的错误/意外行为。https://github.com/pandas-dev/pandas/issues/18273看起来在使用Excel时，使用列名不起作用... - Evan

Answer 3

"使用usecols参数"可以帮助你选择指定的列，类似于Excel中选取A、B等列。

1. 选定列

df = pd.read_excel(file_location,sheet_name='Sheet1', usecols="A,C,F")

2. 列范围和选定列

df = pd.read_excel(file_location,sheet_name='Sheet1', usecols="A:F,H")

3. 多个区间

df = pd.read_excel(file_location,sheet_name='Sheet1', usecols="A:F,H,J:N")

4. 列的范围

df = pd.read_excel(file_location,sheet_name='Sheet1', usecols="A:N")

- Uday Kiran

---

有限制列数的任何想法吗？ - rluts

@rluts，将usecols="A,C,F"替换为usecols=[0,2,5]，如果是列号范围，请使用usecols=range(2,9)，根据需求请替换相应的数字。 - Uday Kiran

Answer 4

如果您知道列的名称，而不想使用A、B、D或者0、4、7。这种方法真的可行。

df = pd.read_excel(url)[['name of column','name of column','name of column','name of column','name of column']]

通过指定"列名称"，获取所需的列。区分大小写和空格。

- user2557522

Answer 5

在Excel中读取任意列的数据

import pandas as pd


name_of_file =  "test.xlsx"
data = pd.read_excel(name_of_file)

required_colum_name = "Post test Number"
print(data[required_colum_name])

- Mounesh

Answer 6

很不幸，这些方法似乎仍然在返回子选择之前读取和转换标题。我有一个包含多个相似表格的Excel表格，其中包含重复的标题名称。我想单独读取这些表格，所以我希望应用usecols。然而，这仍然会给重复的列名添加后缀。

复现步骤：

• 创建一个Excel表格，列A、B、C、D下的标题分别命名为Header1、Header2、Header1、Header2
• df.read_excel(filename, usecols='C:D')

df.columns将返回['Header1.1', 'Header2.1']

除了拆分和连接结果标题之外，是否有办法规避这个问题？特别是当不知道是否存在重复列时，重命名它们可能会出现问题，因为在'.'上拆分可能会损坏非重复的标题。

编辑：此外，基于一部分列生成的DataFrame的长度（索引）将由完整文件的长度确定。因此，如果列A有10行，而列B只有5行，通过usecols='B'生成的DataFrame将有10行，其中5行填充为NaN。

- StephanT

---

这应该作为一个单独的问题发布 - undefined