Question

我正在使用Python进行数据分析项目。我有一个.xls文件，我需要阅读并从每一行获取某些信息。我正在使用xlrd。

当我在记事本中打开文件时，前十行是关于文件包含内容的注释，然后我得到实际数据。如何跳过以“＃”开头的所有行？

此外，一旦我到达行，我想遍历每一行并分离每行的每一列中的元素，并将其添加到每列的字典中。如何根据列分隔每行中的数据？

截至目前，这是我的代码：

    peaksheets = peakfile.sheet_by_name("Sheet1")
    num_rows = peaksheets.nrows -1
    curr_row = -1
    while curr_row < num_rows:
            curr_row +=1
            row = str(peaksheet.row(curr_row))
            words = row.strip().split('\t')
            c = words[0]
            s = int(words[1])

运行代码时，我也遇到以下错误：

xlrd.biffh.XLRDError: Unsupported format, or corrupt file: Expected BOF record; found '# This f'

这就是为什么我想跳过以“＃”符号开头的行。

Answer 1

尝试使用pandas将文件读取到数据帧。如果您确实需要字典中的数据，可以将其传递给数据框中的数据。

background-image

Answer 2

这个怎么样？

peaksheets = peakfile.sheet_by_name("Sheet1")
dict_data = {}
num_rows = peaksheets.nrows -1
curr_row = -1
while curr_row < num_rows:
        curr_row +=1
        # we want to skip the comments
        if row.startswith('#'):
            continue
        row = str(peaksheet.row(curr_row))
        words = row.strip().split('\t')
        for i in range(len(words)):
            dict_data[curr_row][i] = words[i]
        c = words[0]
        s = int(words[1])

Answer 3

如果前10行是您不想要的，那么您可以随时在10开始curr_row。至于您的词典，请尝试以下操作：

headers=[(names of the columns to use as keys for your dict)]
dict_list=[]
col_list=[None]*len(headers)    
for curr_row in range(10, peaksheets.nrows):
    for curr_cell in range(peaksheets.ncols):
        cell_value = str(peaksheets.cell(curr_row, curr_cell).value)
        col_list[curr_row].append(cell_value)

for head_name in headers:
    dict_list[head_name]=col_list[headers.index(head_name)]

要记住的一些事项：

此代码假定您需要每列
这要求您按照列中显示的列的顺序构建headers列表
这应该是您while循环的替代。
如果有更多评论，您可以检查该行的第一个元素是否为＆＃39;＃＆＃39;并忽略它。

使用Python读取.xls文件时的数据分析

3 个答案: