Introduktion till kalkylblad

Effektiv datainläsning med pandas

Amany Mahfouz

Instructor

Kalkylblad

Kallas även Excel-filer
Data lagras i tabellform med celler ordnade i rader och kolumner
Till skillnad från platta filer kan de innehålla formatering och formler
En arbetsbok kan innehålla flera kalkylblad

Läsa in kalkylblad

Kalkylblad har en egen inläsningsfunktion i pandas: read_excel()

Skärmdump av FreeCodeCamps New Developer Survey-data i ett kalkylbladsprogram

Läsa in kalkylblad

import pandas as pd

# Read the Excel file
survey_data = pd.read_excel("fcc_survey.xlsx")


# View the first 5 lines of data
print(survey_data.head())

    Age  AttendedBootcamp       ...                    SchoolMajor  StudentDebtOwe
0  28.0               0.0       ...                            NaN           20000
1  22.0               0.0       ...                            NaN             NaN
2  19.0               0.0       ...                            NaN             NaN
3  26.0               0.0       ...        Cinematography And Film            7000
4  20.0               0.0       ...                            NaN             NaN

[5 rows x 98 columns]

Läsa in valda kolumner och rader

Kalkylblad med enkätdata och metadatarubriker

Fakturakalkyblad med flera små datatabeller

Läsa in valda kolumner och rader

read_excel() har många nyckelordsargument gemensamt med read_csv()
- nrows: begränsar antalet rader som läses in
- skiprows: anger antal rader eller radnummer att hoppa över
- usecols: väljer kolumner efter namn, position eller bokstav (t.ex. "A:P")

Läsa in valda kolumner och rader

# Read columns W-AB and AR of file, skipping metadata header
survey_data = pd.read_excel("fcc_survey_with_headers.xlsx",
                            skiprows=2,
                            usecols="W:AB, AR")


# View data
print(survey_data.head())

   CommuteTime            CountryCitizen  ...    EmploymentFieldOther    EmploymentStatus   Income
0         35.0  United States of America  ...                     NaN  Employed for wages  32000.0
1         90.0  United States of America  ...                     NaN  Employed for wages  15000.0
2         45.0  United States of America  ...                     NaN  Employed for wages  48000.0
3         45.0  United States of America  ...                     NaN  Employed for wages  43000.0
4         10.0  United States of America  ...                     NaN  Employed for wages   6000.0

[5 rows x 7 columns]

Nu kör vi en övning!

Effektiv datainläsning med pandas