使用pandas

Question

我是python的新手，在SO上看了很多类似的问题，但找不到任何与我有问题的东西，因此我提出了这个问题：

我有一个.xlsx数据集，数据分布在八个工作表中，我想执行以下操作：

• 对每个工作表中第14列中的值求和（所有工作表中第14列的数据格式，布局和类型（分数）相同）
• 使用每个工作表中第14列的所有求和值创建一个新工作表
• 将总计得分从最高到最低排序
• 在条形图中绘制总和值以进行比较

我甚至无法开始这个过程，因为我在第一点上挣扎。我正在使用pandas并且无法从一个特定的工作表中读取数据 - 我似乎只能从第一个工作表中读取数据（我打印结果以查看我的系统正在读取的内容）。

我的第一次尝试产生一个'空数据框＆＃39;：

import pandas as pd

y7data = pd.read_excel('Documents\\y7_20161128.xlsx', sheetname='7X', header=0,index_col=0,parse_cols="Achievement Points",convert_float=True)
print y7data

我也试过这个，但它只导出了整个第一个工作表的数据，而不是整个文档（我试图这样做，这样我就能理解如何导出所有数据）。我之所以选择这样做是因为如果我将数据导出到.csv，那么它可能会让我更清楚地看到出了什么问题，但我不是一个人：

import pandas as pd
import numpy as np

y7data = pd.read_excel('Documents\\y7_20161128.xlsx')

y7data.to_csv("results.csv")

我尝试了许多不同的东西来尝试并指定每个工作表中的哪一列，但无法使其工作;它似乎只产生第一个工作表的结果。

我如何首先从每个工作表中的第14列读取数据，然后执行其余步骤？

非常感谢任何指导。

更新（对于那些使用Enthought Canopy并与openpyxl挣扎的人）：

我正在使用Enthought Canopy IDE，并且无论我尝试了什么，我都会不断收到openpyxl未安装的错误消息。对于那些遇到同样问题的人，请节省大量时间并阅读this post。简而言之，注册一个Enthought Canopy帐户（它是免费的），然后通过Canopy命令提示符运行此代码：

enpkg openpyxl 1.8.5

Answer 1

我认为您可以使用此示例file：

首先将每个工作表中的所有列读取到名为list的列y7data：

y7data = [pd.read_excel('y7_20161128.xlsx', sheetname=i, parse_cols=[13]) for i in range(3)]
print (y7data)
[   a
0  1
1  5
2  9,    a
0  4
1  2
2  8,    a
0  5
1  8
2  5]

然后concat将所有列放在一起，我添加了用于图表axis x的密钥，sum所有列，删除第二级MultiIndex（{{1}在reset_index和最后sort_values：

的示例数据中

a, a, a

创建新的print (pd.concat(y7data, axis=1, keys=['a','b','c'])) a b c a a a 0 1 4 5 1 5 2 8 2 9 8 5 summed = pd.concat(y7data, axis=1, keys=['a','b','c']) .sum() .reset_index(drop=True, level=1) .sort_values(ascending=False) print (summed) c 18 a 15 b 14 dtype: int64 DataFrame，设置列名并写入to_excel：

df

如果需要添加新工作表，请使用此solution：

df = summed.reset_index()#.
df.columns = ['a','summed']
print (df)
   a  summed
0  c      18
1  a      15
2  b      14

上次Series.plot.bar：

from openpyxl import load_workbook

book = load_workbook('y7_20161128.xlsx')
writer = pd.ExcelWriter('y7_20161128.xlsx', engine='openpyxl') 
writer.book = book
writer.sheets = dict((ws.title, ws) for ws in book.worksheets)
df.to_excel(writer, "Main", index=False)
writer.save()

Answer 2

根据我的理解，您当前的问题是从每个工作表中加载第14列。

您可以使用ExcelFile.parse代替read_excel并循环播放您的工作表。

xls_file = pd.ExcelFile('Documents\\y7_20161128.xlsx')
worksheets = ['Sheet1', 'Sheet2', 'Sheet3']
series = [xls_file.parse(sheet, parse_cols=[13]) for sheet in worksheets]
df = pd.DataFrame(series)

然后，sum()你的专栏继续前进。

使用ExcelFile然后使用ExcelFile.parse()有利于仅加载Excel文件一次，并迭代每个工作表。使用read_excel可以在每次迭代中加载Excel文件，这是无用的。

Documentation for pandas.ExcelFile.parse