Obținerea datelor din mai multe foi de lucru

Ingestie eficientă a datelor cu pandas

Amany Mahfouz

Instructor

Selectarea foilor de încărcat

read_excel() încarcă implicit prima foaie dintr-un fișier Excel
Utilizați argumentul sheet_name pentru a încărca alte foi
Specificați foile după nume și/sau număr de poziție (indexat de la zero)
Transmiteți o listă de nume/numere pentru a încărca mai multe foi simultan
Orice argumente transmise la read_excel() se aplică tuturor foilor citite

Selectarea foilor de încărcat

Captură de ecran a unui program de calcul tabelar, cu filele pentru două foi de calcul

Încărcarea foilor selectate

# Get the second sheet by position index
survey_data_sheet2 = pd.read_excel('fcc_survey.xlsx',
                                   sheet_name=1)


# Get the second sheet by name
survey_data_2017 = pd.read_excel('fcc_survey.xlsx',
                                 sheet_name='2017')


print(survey_data_sheet2.equals(survey_data_2017))

True

Încărcarea tuturor foilor

Transmiterea sheet_name=None la read_excel() citește toate foile din registrul de lucru

survey_responses = pd.read_excel("fcc_survey.xlsx", sheet_name=None)

print(type(survey_responses))

<class 'collections.OrderedDict'>

for key, value in survey_responses.items():
    print(key, type(value))

2016 <class 'pandas.core.frame.DataFrame'>
2017 <class 'pandas.core.frame.DataFrame'>

Combinarea datelor

# Create empty dataframe to hold all loaded sheets
all_responses = pd.DataFrame()


# Iterate through dataframes in dictionary
for sheet_name, frame in survey_responses.items():
    # Add a column so we know which year data is from
    frame["Year"] = sheet_name


    # Add the dataframe to all_responses
    all_responses = pd.concat([all_responses, frame])


# View years in data
print(all_responses.Year.unique())

['2016' '2017']

Să exersăm!

Ingestie eficientă a datelor cu pandas