pd.read_excel的参数问题

read_csv与to_csv是⼀对输⼊输出的⼯具，read_csv直接返回pandas.DataFrame，⽽to_csv只要执行命令即可写文件 read_table：功能类似 read_fwf：操作fixed width file read_excel与to_excel方便的与excel交互 header 表⽰数据中是否存在列名，如果在第0行就写就写0，并且开始读数据时跳过相应的行数，不存在可以写none names 表示要用给定的列名来作为最终的列名 encoding 表⽰数据集的字符编码，通常而言一份数据为了⽅便的进⾏⽂件传输都以utf-8作为标准

对于存储着极为规整数据的Excel而言，其实是没必要一定用Excel来存，尽管Pandas也十分友好的提供了I/O接口。

taxidata.to_excel(t0401.xlsx,encoding=utf-8)

taxidata_from_excel = pd.read_excel(t0401.xlsx,header=0, encoding=utf-8)

taxidata_from_excel

1 2 3 4 5

注意：当你的xls文件行数很多超过65536时，就会遇到错误，解决办法是将写入的格式变为xlsx。excel函数受限制问题

唯一重要的参数：sheetname=k，标志着一个excel的第k个sheet页将会被取出。（从0开始）

这里介绍一些常用的参数：

读取处理：

skiprows：跳过⼀定的⾏数

nrows：仅读取⼀定的⾏数

skipfooter：尾部有固定的⾏数永不读取

skip_blank_lines：空⾏跳过

内容处理：

sep/delimiter：分隔符很重要，常⻅的有逗号，空格和Tab(	)

na_values：指定应该被当作na_values的数值

thousands：处理数值类型时，每千位分隔符并不统⼀ (1.234.567,89或者1,234,567.89都可能)，此时要把字符串转化为

数字需要指明千位分隔符

收尾处理：

index_col：将真实的某列（列的数⺫，甚⾄列名）当作index

squeeze：仅读到⼀列时，不再保存为pandas.DataFrame⽽是pandas.Series