在熊猫中读取Excel文件

Question

我正在尝试使用熊猫读取Excel文件，但是不确定是否能够读取所需的方式。

我的文件是这样的：

我正在读取这样的文件：

excel_file = pd.ExcelFile('MY_FILE')
df = excel_file.parse(sheet_name=0, header=1)

通过这种方式，我可以阅读，但不确定每个变量属于哪个组。在这种情况下，对于每一列，我需要知道它们来自哪个组。有什么办法吗？

谢谢！

Answer 1

可以在参数header中为列中的MultiIndex指定第一行和第二行，并为函数read_excel中的第一列中的索引指定index_col：

df = pd.read_excel('file.xlsx', header=[0,1], index_col=[0], sheet_name=0)

您的解决方案应使用相同的参数进行更改：

excel_file = pd.ExcelFile('file.xlsx')
df = excel_file.parse(header=[0,1], index_col=[0], sheet_name=0)

---

print (df)
CUSTOM NAME   g1      g2          
NAME           A    B  A    B    C
NAME 1       1.0  NaN  1  NaN  1.0
NAME 1       NaN  1.0  1  1.0  NaN

print (df.columns)
MultiIndex(levels=[['g1', 'g2'], ['A', 'B', 'C']],
           codes=[[0, 0, 1, 1, 1], [0, 1, 0, 1, 2]],
           names=['CUSTOM NAME', 'NAME'])

print (df.index)
Index(['NAME 1', 'NAME 1'], dtype='object')

使用元组过滤MultiIndex的选定列：

print (df[df[('g1', 'A')] == 1])
CUSTOM NAME   g1     g2         
NAME           A   B  A   B    C
NAME 1       1.0 NaN  1 NaN  1.0

Select rows in pandas MultiIndex DataFrame中的更多信息，仅删除loc，因为列中的MultiIndex。

Answer 2

如果将整数列表传递给MultiIndex，则可以使用header：

excel_file = pd.ExcelFile('example.xlsx')
df = excel_file.parse(sheet_name=0, header=[0,1])

数据框：

CUSTOM NAME     GROUP 1     GROUP 2
NAME            A   B       A   B   C
NAME 1          1.0 NaN     1   NaN 1.0
NAME 2          NaN 1.0     1   1.0 NaN

文档：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_excel.html

Answer 3

仅从行 1 中读取列名 可能会导致重复列 名称，因此这样的调用可能会导致执行错误。

似乎在列上有一个 MultiIndex 的情况：

• GROUP 1 和 GROUP 2 是最高级别，
• A ， B 和 C 是从属级别。

在读取 Excel 文件时，我通常使用 pd.read_excel 方法。

在您的情况下，您可能应该传递 header = [0,1] 参数， 指定哪些行包含列名。

因此，请尝试以下操作：

df = pd.read_excel('MY_FILE.xls', header=[0,1])

您也可以省略 sheet_name = 0 ，因为这是默认值（读取 从第一个工作表开始，工作表编号从0开始。

我也不确定是否可以省略文件扩展名（ xls 或 xlsx ），因此在上述建议中，我明确地写了它。