Knihovna Pandas je jedním z nejvýkonnějších nástrojů pro práci s daty v programovacím jazyce Python. Umožňuje efektivně importovat, zpracovávat a analyzovat velké množství dat. Jedním z běžných typů souborů pro ukládání dat je formát Excel.
V této příručce se podíváme na to, jak používat Pandas ke čtení dat ze souborů aplikace Excel. Naučíme se, jak správně nastavit a nakonfigurovat nastavení čtení tak, aby byla data importována s požadovanými typy a formátem.
Je důležité poznamenat, že při čtení dat ze souborů aplikace Excel se Pandas může setkat s různými typy dat, jako jsou čísla, řádky, data a další. Ve výchozím nastavení se Pandas snaží automaticky definovat datové typy pro každý sloupec. Někdy to však může vést k chybám nebo nesprávné definici typů.
V této příručce ukážeme, jak správně nakonfigurovat nastavení čtení, aby Pandas správně určil datové typy. Podíváme se na různé příklady a situace, se kterými se můžete setkat při čtení dat aplikace Excel, a ukážeme vám, jak je vyřešit.
Čtení excelových souborů v Pandas
Pro čtení souborů Excel používá Pandas funkci read_excel (). Umožňuje nahrát data z jednoho nebo více listů souboru Excel do objektu Pandas DataFrame.
Pro začátek je nutné importovat knihovnu Pandas:
import pandas as pdPoté lze pomocí funkce read_excel() stáhnout soubor Excel:
df = pd.read_excel('file.xlsx')Funkce read_excel () má několik možností. Nejčastěji používané parametry:
- sheet_name: jméno nebo číslo listu, které je třeba stáhnout;
- header : číslo řádku obsahujícího názvy sloupců (výchozí je 0), pokud není zadáno, budou použity výchozí hodnoty;
- index_col : číslo sloupce, které bude použito jako index (výchozí je None);
- usecols: seznam sloupců, které je třeba stáhnout (ve výchozím nastavení se načtou všechny sloupce);
- skiprows: seznam čísel řádků, která v souboru chybí;
- dtype: slovník obsahující datové typy sloupců.
Po nahrání dat do objektu DataFrame je možné provádět různé operace s daty. Lze například provádět filtrování, třídění, seskupování a agregaci dat a vytvářet grafy.
V této příručce jsme se podívali pouze na základní příklad čtení excelových souborů v Pandas. Nicméně, knihovna Pandas poskytuje mnoho funkcí a příležitostí pro práci s daty, takže je možné hlouběji studovat dokumentaci pro rozšíření svých znalostí a dovedností v této oblasti.
Metody čtení souborů Excel v Pandas
Pandas poskytuje několik metod pro čtení dat ze souborů formátu Excel. V této části se podíváme na čtyři základní metody: read_excel, ExcelFile, parse a openpyxl.
1. read_excel: Tato metoda vám umožňuje číst data z jednoho nebo více listů souboru Excel v DataFrame. Přijímá cestu k souboru nebo URL a také několik možností pro konfiguraci čtení souboru. Například:
import pandas as pddf = pd.read_excel('file.xlsx', sheet_name='Sheet1', skiprows=1)2. ExcelFile: Tato metoda vytváří objekt ExcelFile, který lze použít ke čtení více listů souboru Excel. Přijímá cestu k souboru a poskytuje atribut sheets pro přístup k seznamu listů. Například:
import pandas as pdxls = pd.ExcelFile('file.xlsx')df = xls.parse('Sheet1', skiprows=1)3. parse: Tato metoda vám umožňuje číst data ze zadaného listu souboru Excel. Přijímá cestu k souboru, název listu a několik možností pro přizpůsobení čtení. Například:
import pandas as pddf = pd.read_excel('file.xlsx', sheet_name='Sheet1', skiprows=1)4. openpyxl: Tato metoda poskytuje možnost čtení dat z Excel souboru pomocí knihovny openpyxl, která Vám umožňuje pracovat se soubory formátu Excel, aniž byste museli instalovat Microsoft Excel. Například:
import pandas as pddf = pd.read_excel('file.xlsx', engine='openpyxl')Kromě těchto metod existují další způsoby čtení dat z excelových souborů v Pandas, včetně použití různých možností ke konfiguraci čtení, jako jsou: header, skiprows, usecols a dalších. Každá metoda má své vlastní vlastnosti a výhody, takže byste si měli vybrat nejvhodnější metodu podle svých potřeb.
Čtení různých typů dat z Excelu
Při práci s daty z excelových souborů je důležité umět číst různé typy dat, které mohou být uvedeny v tabulce. Pandas má několik způsobů, jak číst různé typy dat z Excelu.
Pokud tabulka aplikace Excel obsahuje pouze číselné hodnoty, můžete k jejich čtení použít metodu read_excel(). Při čtení číselných dat Pandas automaticky určí typ každého sloupce a vytvoří odpovídající objekt DataFrame.
Pokud jsou v tabulce aplikace Excel textové hodnoty, můžete použít metodu read_excel() s parametrem dtype. Zadáním této možnosti můžete nastavit typ dat pro každý sloupec.
Pandas navíc umí číst data z excelových souborů. Pro čtení dat je nutné zadat parametr parse_dates při volání metody read_excel(). Pokud má tabulka Excel sloupce s daty, pak je Pandas automaticky rozpozná a převede na objekty typu datetime.
Pandas může také číst data z Excelu pomocí zvoleného rozsahu buněk. K tomu je třeba zadat parametry skiprows a nrows při volání metody read_excel(). První parametr udává, kolik řádků je třeba před čtením přeskočit, druhá možnost udává, kolik řádků je třeba přečíst.
Čtení číselných dat z Excelu do Pandas
Knihovna Pandas poskytuje výkonné nástroje pro práci s číselnými daty, včetně možnosti čtení čísel ze souborů aplikace Excel.
Pro čtení číselných dat z Excelu v Pandas lze použít funkci pd.read_excel(). Umožňuje zadat název souboru s daty a název listu a další možnosti potřebné pro čtení dat.
Pokud soubor Excel obsahuje pouze jeden list, můžete jednoduše zadat název souboru a funkce automaticky přečte data z prvního listu.
Po přečtení dat z Excelu budou prezentovány jako datafram - tabulky složené z řádků a sloupců. Každý sloupec datového rámce odpovídá jednomu sloupci dat z Excelu.
Chcete-li pracovat pouze s číselnými údaji z datového rámce, můžete použít metodu select_dtypes() a předat mu argument include='number'. Tato metoda vám umožňuje vybrat pouze sloupce s číselnými údaji pro další analýzu nebo zpracování.
Příklad čtení číselných dat z Excelu do Pandas:
import pandas as pd# Чтение данных из Exceldata = pd.read_excel('data.xlsx')# Выбор только числовых столбцовnumeric_data = data.select_dtypes(include='number')# Вывод числовых данныхprint(numeric_data)Knihovna Pandas má tedy praktické nástroje pro práci s číselnými daty z Excelu, což umožňuje snadno a efektivně analyzovat a zpracovávat číselná data uvedená v tabulkách Excelu.
Čtení textových dat z Excelu do Pandas
Knihovna Pandas používá pro čtení dat z Excelu funkci read_excel . Umožňuje počítat nejen číselná data, ale také textové hodnoty, které jsou uloženy v buňkách tabulky.
Chcete-li číst textová data z Excelu v Pandas, musíte zadat název souboru ve formátu .xlsx nebo .xls a název listu, ze kterého je třeba počítat data. Pokud není uveden název listu, bude ve výchozím nastavení použit první list.
import pandas as pd# Указываем имя файла и имя листаfile_name = "example.xlsx"sheet_name = "Sheet1"# Считываем данные из Exceldata = pd.read_excel(file_name, sheet_name)# Выводим первые пять строк таблицыprint(data.head())Výsledkem provádění tohoto kódu bude prvních pět řádků tabulky obsahující textová data z Excelu.
Funkce read_excel také umožňuje určit rozsah buněk, které je třeba počítat. Můžete například určit rozsah A1: B10, abyste mohli počítat pouze data ze zadaného rozsahu.
| Název | Příjmení | Věk |
|---|---|---|
| Ivan | Ivan | 25 |
| Petr | Petrov | 30 |
| Anna | Sidorova | 35 |
Tabulka výše uvádí příklad textových dat, která mohou být obsažena v Excelu. Při čtení souborů s podobnými daty funkce read_excel automaticky rozpozná typ dat v každé buňce a vytvoří příslušný objekt DataFrame.
Knihovna Pandas tak poskytuje praktické nástroje pro čtení textových dat z Excelu a vytváření práce s nimi jako objekt DataFrame.
Zpracování dat po přečtení
Po úspěšném čtení dat z excelových souborů v Pandas DataFrame můžete začít s jejich zpracováním a analýzou. Prvním krokem může být prozkoumání datové struktury, aby se zjistilo, jaké typy dat jsou přítomny v každém sloupci a jak čistá data jsou.
Poté lze provádět různé operace s daty, jako je filtrování, třídění, seskupování, agregace a další. Pandas přitom poskytuje výkonné funkce a metody pro efektivní zpracování dat.
Důležitým krokem je také ověření údajů o chybějících hodnotách a jejich zpracování. Pandas nabízí různé metody k vyplnění chybějících hodnot nebo odstranění řádků/sloupců s chybějícími hodnotami.
V případě potřeby je možné převést data z jednoho typu na jiný, například z řetězce na číselný nebo datový. Pandas umožňuje provádět takové operace pomocí speciálních funkcí a metod.
Kromě toho je možné vytvářet nové sloupce na základě stávajících dat a provádět různé výpočty nebo aplikovat funkce na všechny hodnoty sloupce.
Zpracování dat může také zahrnovat odstranění duplicit, konverzi datových formátů, změnu názvů sloupců a další.
Obecně platí, že po přečtení dat typů Excelu v Pandas existuje mnoho možností, jak data zpracovat a získat z nich potřebné informace.
Odstranění přebytečných sloupců a řádků
Při čtení dat ze souboru Excel často potřebujeme odstranit přebytečné sloupce a řádky, abychom snížili množství dat nebo je uvedli do požadovaného formátu. V knihovně Pandas to lze snadno provést pomocí metod drop a dropna.
Metoda drop používá se k odstranění sloupců nebo řádků podle uvedených značek nebo indexu.
df.drop(columns=['Столбец1', 'Столбец2'])V uvedeném příkladu budou odstraněny sloupce 'Sloupec1' a 'Sloupec2' z datového rámce df.
Metoda dropna používá se k odstranění řádků obsahujících vynechané hodnoty (NaN).
df.dropna(axis=0)V tomto případě budou odstraněny všechny řádky obsahující alespoň jednu vynechanou hodnotu.
K odstranění sloupců nebo řádků podle indexu lze také použít metodu iloc. Například:
df = df.drop(df.columns[1], axis=1)V tomto příkladu bude odstraněn sloupec s indexem 1.
Odstranění přebytečných sloupců a řádků může být užitečné při analýze dat, protože umožňuje pracovat pouze s požadovanou částí informací a usnadňuje následné zpracování a vizualizaci.
Knihovna Pandas má mnoho metod pro manipulaci s daty, což z ní činí velmi výkonný nástroj pro práci s tabulkami.