使用Pandas从URL读取Excel文件-XLRDError

Question

使用Pandas从URL读取Excel文件-XLRDError

8

我正在尝试从以下URL读取excel文件到Pandas中:

url1 = 'https://cib.societegenerale.com/fileadmin/indices_feeds/CTA_Historical.xls'

url2 = 'https://cib.societegenerale.com/fileadmin/indices_feeds/STTI_Historical.xls'

使用代码：

pd.read_excel(url1)

然而它不起作用，我收到了错误提示：

XLRDError: Unsupported format, or corrupt file: Expected BOF record; found '2000/01/'

在谷歌上搜索后，似乎有时通过URL提供的.xls文件实际上是以不同的文件格式隐藏在幕后，如html或xml。

当我手动下载Excel文件并使用Excel打开它时，会出现错误消息：“文件格式和扩展名不匹配。该文件可能已损坏或不安全。除非您信任它的来源，否则请勿打开它。”

当我打开它时，它看起来就像一个普通的Excel文件。

我在网上看到一篇帖子建议我在文本编辑器中打开文件，以查看是否有任何其他信息作为正确的文件格式，但是当使用notepad++打开时，我没有看到任何其他信息。

请问有人能帮助我将这个“xls”文件正确地读入pandas DataFrame中吗？

- s666

2个回答

4

如果有帮助的话，您可以直接通过URL在Excel中读取Google Drive文件，无需登录。我在Google Colab上尝试过，它起作用了。

将XL文件上传到Google Drive或使用已上传的文件
向任何人共享文件链接（我不知道仅查看是否有效，但我尝试了完全访问权限）
复制链接

您将得到类似于这样的内容。

共享网址：https://drive.google.com/file/d/---some--long--string/view?usp=sharing

从尝试下载文件获取下载 URL（从那里复制URL）

它会像这样：（它具有与上面相同的 Google 文件 ID）

下载网址：https://drive.google.com/u/0/uc?id=---some--long--string&export=download

现在转到Google Colab并粘贴以下代码:

import pandas as pd

fileurl   = r'https://drive.google.com/file/d/---some--long--string/view?usp=sharing'
filedlurl = r'https://drive.google.com/u/0/uc?id=---some--long--string&export=download'

df = pd.read_excel(filedlurl)
df

就这样...文件已经保存在您的数据框(df)中了。

- ihightower

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- jezrael · Accepted Answer

看起来您可以使用read_csv：

import pandas as pd

df = pd.read_csv('https://cib.societegenerale.com/fileadmin/indices_feeds/CTA_Historical.xls',
                 sep='\t',
                 parse_dates=[0],
                 names=['a','b','c','d','e','f'])
print df

然后我检查最后一列f是否有其他值，如NaN：

print df[df.f.notnull()]

Empty DataFrame
Columns: [a, b, c, d, e, f]
Index: []

所以只有NaN，因此您可以通过参数usecols过滤最后一列f：

import pandas as pd

df = pd.read_csv('https://cib.societegenerale.com/fileadmin/indices_feeds/CTA_Historical.xls',
                 sep='\t',
                 parse_dates=[0],
                 names=['a','b','c','d','e','f'],
                 usecols=['a','b','c','d','e'])
print df