Python酷库之旅-第三方库Pandas(005)

见贤思齐

目录一、用法精讲7、pandas.read_clipboard函数7-1、语法7-2、参数7-3、功能7-4、返回值7-5、说明7-6、用法7-6-1、代码示例7-6-2、结果输出8、pandas.DataFrame.to_clipboard函数8-1、语法8-2、参数8-3、功能8-4、返回值8-5、说明8-6、用法8-6-1、代码示例8-6-2、结果输出 9、pandas.read_excel函数9-1、语法9-2、参数9-3、功能9-4、返回值9-5、说明9-6、用法9-6-1、数据准备9-6-2、代码示例9-6-3、结果输出二、推荐阅读1、Python筑基之旅2、Python函数之旅3、Python算法之旅4、Python魔法之旅5、博客个人主页一、用法精讲7、pandas.read_clipboard函数7-1、语法#7、pandas.read_clipboard函数pandas.read_clipboard(sep='\\s+',dtype_backend=_NoDefault.no_default,**kwargs)Readtextfromclipboardandpasstoread_csv().ParsesclipboardcontentssimilartohowCSVfilesareparsedusingread_csv().Parameters:sepstr,default‘\s+’Astringorregexdelimiter.Thedefaultof'\\s+'denotesoneormorewhitespacecharacters.dtype_backend{‘numpy_nullable’,‘pyarrow’},default‘numpy_nullable’Back-enddatatypeappliedtotheresultantDataFrame(stillexperimental).Behaviourisasfollows:"numpy_nullable":returnsnullable-dtype-backedDataFrame(default)."pyarrow":returnspyarrow-backednullableArrowDtypeDataFrame.Newinversion2.0.**kwargsSeeread_csv()forthefullargumentlist.ReturnsataFrameAparsedDataFrameobject.7-2、参数7-2-1、sep(可选，默认值为'\\s+')：表示使用正则表达式来匹配一个或多个空白字符(如空格、制表符等)作为字段之间的分隔符，这意味着，如果你的数据是通过空格、制表符等分隔的，你可以直接使用默认值，但如果你使用的是逗号(CSV格式)或其他分隔符，你应该相应地更改这个参数，比如sep=','。7-2-2、dtype_backend(可选)：这个参数通常不需要用户直接设置，它是用来指定数据类型推断的后端，Pandas内部使用它来优化数据类型的推断过程。7-2-3、**kwargs(可选)：一个可变关键字参数，允许你传递额外的参数给函数，这些参数会被传递给pandas.read_csv()函数，因为read_clipboard()在内部实际上是使用read_csv()来解析剪贴板中的数据。因此，你可以传递任何read_csv()支持的参数，比如header(指定列名的行索引，默认为0，如果没有列名则为None)、index_col(用作行索引的列编号或列名列表)、dtype(指定列的数据类型)等。7-3、功能        从用户的系统剪贴板中读取文本数据，并将其解析为pandasDataFrame对象。7-4、返回值        返回值是一个pandasDataFrame对象，该对象包含了剪贴板中解析后的数据，其中每行代表数据表中的一行，每列代表数据表中的一个字段。DataFrame的索引、列名和数据类型等属性会根据剪贴板中的数据和函数的参数设置自动推断和设置。7-5、说明    从Pandas1.0.0开始，dtype_backend参数已被弃用，并且可能在未来的版本中移除。在大多数情况下，用户不需要直接设置这个参数。7-6、用法7-6-1、代码示例#7、pandas.read_clipboard函数#7-1、先复制以下内容#Name Age City#Alice 30 NewYork#Bob 25 LosAngeles#Charlie 35 Chicago#7-2、使用pandas.read_clipboard()函数读取剪切板的信息importpandasaspd#读取剪贴板中的数据，指定分隔符为制表符df=pd.read_clipboard(sep='\t')#显示DataFrameprint(df)7-6-2、结果输出#NameAgeCity#0Alice30NewYork#1Bob25LosAngeles#2Charlie35Chicago8、pandas.DataFrame.to_clipboard函数8-1、语法#8、pandas.DataFrame.to_clipboard函数DataFrame.to_clipboard(*,excel=True,sep=None,**kwargs)Copyobjecttothesystemclipboard.Writeatextrepresentationofobjecttothesystemclipboard.ThiscanbepastedintoExcel,forexample.Parameters:excelbool,defaultTrueProduceoutputinacsvformatforeasypastingintoexcel.True,usetheprovidedseparatorforcsvpasting.False,writeastringrepresentationoftheobjecttotheclipboard.sepstr,default'\t'Fielddelimiter.**kwargsTheseparameterswillbepassedtoDataFrame.to_csv.8-2、参数8-2-1、excel(可选，默认值为True)：如果为True，则尝试以Excel友好的方式复制数据，即如果可能的话，会保留多个工作表或样式。但是，请注意，由于剪贴板本身并不支持复杂的数据结构(如多个工作表或样式)，因此这个参数的实际效果可能因操作系统和剪贴板支持的功能而异。在大多数情况下，将其设置为True或False对结果没有显著影响，因为剪贴板通常只接受纯文本或CSV格式的数据。8-2-2、sep(可选，默认值为None)：用于分隔DataFrame中列的分隔符。如果为None(默认值)，则不会添加任何分隔符，DataFrame会以制表符分隔的格式(类似于CSV但没有引号包围字符串)复制到剪贴板。如果你想要使用逗号(,)或其他字符作为分隔符，可以指定该参数。但是，请注意，不是所有的应用程序都能很好地处理从剪贴板粘贴的自定义分隔符数据。8-2-3、**kwargs(可选)：一个可变关键字参数，允许你传递额外的参数给底层的to_csv()方法(尽管在大多数情况下，to_clipboard()方法并不直接调用to_csv()，但它们的参数在某些方面相似)。然而，对于to_clipboard()方法来说，**kwargs实际上并不接受与to_csv()相同的所有参数，因为剪贴板操作有其自身的限制和特性。8-3、功能        将pandasDataFrame对象的内容复制到系统的剪贴板中。8-4、返回值        不返回任何值(即返回值为None)，它的主要作用是将DataFrame的内容复制到剪贴板，而不是返回一个新的对象或数据。8-5、说明        用户就可以方便地将DataFrame中的数据粘贴到其他应用程序中，如Excel、Word或其他文本编辑器，以便进一步的处理或展示。8-6、用法8-6-1、代码示例#8、pandas.DataFrame.to_clipboard函数#8-1、将pandasDataFrame对象的内容复制到系统的剪贴板中importpandasaspd#创建一个示例DataFramedata={'Name':['Alice','Bob','Charlie'],'Age':[24,30,22],'City':['NewYork','SanFrancisco','LosAngeles']}df=pd.DataFrame(data)#将DataFrame的内容复制到剪贴板df.to_clipboard(index=False)#注意：虽然这里写了index=False，但to_clipboard并不接受这个参数#此时，你可以在其他应用程序中粘贴DataFrame的内容#8-2、在打开的excel、word及编辑器中粘贴操作(注：Ctrl+V)8-6-2、结果输出 #Name Age City#Alice 24 NewYork#Bob 30 SanFrancisco#Charlie 22 LosAngeles9、pandas.read_excel函数9-1、语法#9、pandas.read_excel函数pandas.read_excel(io,sheet_name=0,*,header=0,names=None,index_col=None,usecols=None,dtype=None,engine=None,converters=None,true_values=None,false_values=None,skiprows=None,nrows=None,na_values=None,keep_default_na=True,na_filter=True,verbose=False,parse_dates=False,date_parser=_NoDefault.no_default,date_format=None,thousands=None,decimal='.',comment=None,skipfooter=0,storage_options=None,dtype_backend=_NoDefault.no_default,engine_kwargs=None)ReadanExcelfileintoapandasDataFrame.Supportsxls,xlsx,xlsm,xlsb,odf,odsandodtfileextensionsreadfromalocalfilesystemorURL.Supportsanoptiontoreadasinglesheetoralistofsheets.Parameters:iostr,bytes,ExcelFile,xlrd.Book,pathobject,orfile-likeobjectAnyvalidstringpathisacceptable.ThestringcouldbeaURL.ValidURLschemesincludehttp,ftp,s3,andfile.ForfileURLs,ahostisexpected.Alocalfilecouldbe:file://localhost/path/to/table.xlsx.Ifyouwanttopassinapathobject,pandasacceptsanyos.PathLike.Byfile-likeobject,werefertoobjectswitharead()method,suchasafilehandle(e.g.viabuiltinopenfunction)orStringIO.Deprecatedsinceversion2.1.0assingbytestringsisdeprecated.Toreadfromabytestring,wrapitinaBytesIOobject.sheet_namestr,int,list,orNone,default0Stringsareusedforsheetnames.Integersareusedinzero-indexedsheetpositions(chartsheetsdonotcountasasheetposition).Listsofstrings/integersareusedtorequestmultiplesheets.SpecifyNonetogetallworksheets.Availablecasesefaultsto0:1stsheetasaDataFrame1:2ndsheetasaDataFrame"Sheet1"oadsheetwithname“Sheet1”[0,1,"Sheet5"]oadfirst,secondandsheetnamed“Sheet5”asadictofDataFrameNone:Allworksheets.headerint,listofint,default0Row(0-indexed)touseforthecolumnlabelsoftheparsedDataFrame.IfalistofintegersispassedthoserowpositionswillbecombinedintoaMultiIndex.UseNoneifthereisnoheader.namesarray-like,defaultNoneListofcolumnnamestouse.Iffilecontainsnoheaderrow,thenyoushouldexplicitlypassheader=None.index_colint,str,listofint,defaultNoneColumn(0-indexed)touseastherowlabelsoftheDataFrame.PassNoneifthereisnosuchcolumn.Ifalistispassed,thosecolumnswillbecombinedintoaMultiIndex.Ifasubsetofdataisselectedwithusecols,index_colisbasedonthesubset.Missingvalueswillbeforwardfilledtoallowroundtrippingwithto_excelformerged_cells=True.Toavoidforwardfillingthemissingvaluesuseset_indexafterreadingthedatainsteadofindex_col.usecolsstr,list-like,orcallable,defaultNoneIfNone,thenparseallcolumns.Ifstr,thenindicatescommaseparatedlistofExcelcolumnlettersandcolumnranges(e.g.“A:E”or“A,C,E:F”).Rangesareinclusiveofbothsides.Iflistofint,thenindicateslistofcolumnnumberstobeparsed(0-indexed).Iflistofstring,thenindicateslistofcolumnnamestobeparsed.Ifcallable,thenevaluateeachcolumnnameagainstitandparsethecolumnifthecallablereturnsTrue.Returnsasubsetofthecolumnsaccordingtobehaviorabove.dtypeTypenameordictofcolumn->type,defaultNoneDatatypefordataorcolumns.E.g.{‘a’:np.float64,‘b’:np.int32}UseobjecttopreservedataasstoredinExcelandnotinterpretdtype,whichwillnecessarilyresultinobjectdtype.Ifconvertersarespecified,theywillbeappliedINSTEADofdtypeconversion.IfyouuseNone,itwillinferthedtypeofeachcolumnbasedonthedata.engine{‘openpyxl’,‘calamine’,‘odf’,‘pyxlsb’,‘xlrd’},defaultNoneIfioisnotabufferorpath,thismustbesettoidentifyio.EnginecompatibilitypenpyxlsupportsnewerExcelfileformats.calaminesupportsExcel(.xls,.xlsx,.xlsm,.xlsb)andOpenDocument(.ods)fileformats.odfsupportsOpenDocumentfileformats(.odf,.ods,.odt).pyxlsbsupportsBinaryExcelfiles.xlrdsupportsold-styleExcelfiles(.xls).Whenengine=None,thefollowinglogicwillbeusedtodeterminetheengine:Ifpath_or_bufferisanOpenDocumentformat(.odf,.ods,.odt),thenodfwillbeused.Otherwiseifpath_or_bufferisanxlsformat,xlrdwillbeused.Otherwiseifpath_or_bufferisinxlsbformat,pyxlsbwillbeused.Otherwiseopenpyxlwillbeused.convertersdict,defaultNoneDictoffunctionsforconvertingvaluesincertaincolumns.Keyscaneitherbeintegersorcolumnlabels,valuesarefunctionsthattakeoneinputargument,theExcelcellcontent,andreturnthetransformedcontent.true_valueslist,defaultNoneValuestoconsiderasTrue.false_valueslist,defaultNoneValuestoconsiderasFalse.skiprowslist-like,int,orcallable,optionalLinenumberstoskip(0-indexed)ornumberoflinestoskip(int)atthestartofthefile.Ifcallable,thecallablefunctionwillbeevaluatedagainsttherowindices,returningTrueiftherowshouldbeskippedandFalseotherwise.Anexampleofavalidcallableargumentwouldbelambdax:xin[0,2].nrowsint,defaultNoneNumberofrowstoparse.na_valuesscalar,str,list-like,ordict,defaultNoneAdditionalstringstorecognizeasNA/NaN.Ifdictpassed,specificper-columnNAvalues.BydefaultthefollowingvaluesareinterpretedasNaN:‘’,‘#N/A’,‘#N/AN/A’,‘#NA’,‘-1.#IND’,‘-1.#QNAN’,‘-NaN’,‘-nan’,‘1.#IND’,‘1.#QNAN’,‘’,‘N/A’,‘NA’,‘NULL’,‘NaN’,‘None’,‘n/a’,‘nan’,‘null’.keep_default_nabool,defaultTrueWhetherornottoincludethedefaultNaNvalueswhenparsingthedata.Dependingonwhetherna_valuesispassedin,thebehaviorisasfollows:Ifkeep_default_naisTrue,andna_valuesarespecified,na_valuesisappendedtothedefaultNaNvaluesusedforparsing.Ifkeep_default_naisTrue,andna_valuesarenotspecified,onlythedefaultNaNvaluesareusedforparsing.Ifkeep_default_naisFalse,andna_valuesarespecified,onlytheNaNvaluesspecifiedna_valuesareusedforparsing.Ifkeep_default_naisFalse,andna_valuesarenotspecified,nostringswillbeparsedasNaN.Notethatifna_filterispassedinasFalse,thekeep_default_naandna_valuesparameterswillbeignored.na_filterbool,defaultTrueDetectmissingvaluemarkers(emptystringsandthevalueofna_values).IndatawithoutanyNAs,passingna_filter=Falsecanimprovetheperformanceofreadingalargefile.verbosebool,defaultFalseIndicatenumberofNAvaluesplacedinnon-numericcolumns.parse_datesbool,list-like,ordict,defaultFalseThebehaviorisasfollows:bool.IfTrue->tryparsingtheindex.listofintornames.e.g.If[1,2,3]->tryparsingcolumns1,2,3eachasaseparatedatecolumn.listoflists.e.g.If[[1,3]]->combinecolumns1and3andparseasasingledatecolumn.dict,e.g.{‘foo’:[1,3]}->parsecolumns1,3asdateandcallresult‘foo’Ifacolumnorindexcontainsanunparsabledate,theentirecolumnorindexwillbereturnedunalteredasanobjectdatatype.Ifyoudon`twanttoparsesomecellsasdatejustchangetheirtypeinExcelto“Text”.Fornon-standarddatetimeparsing,usepd.to_datetimeafterpd.read_excel.Note:Afast-pathexistsforiso8601-formatteddates.date_parserfunction,optionalFunctiontouseforconvertingasequenceofstringcolumnstoanarrayofdatetimeinstances.Thedefaultusesdateutil.parser.parsertodotheconversion.Pandaswilltrytocalldate_parserinthreedifferentways,advancingtothenextifanexceptionoccurs:1)Passoneormorearrays(asdefinedbyparse_dates)asarguments;2)concatenate(row-wise)thestringvaluesfromthecolumnsdefinedbyparse_datesintoasinglearrayandpassthat;and3)calldate_parseronceforeachrowusingoneormorestrings(correspondingtothecolumnsdefinedbyparse_dates)asarguments.Deprecatedsinceversion2.0.0:Usedate_formatinstead,orreadinasobjectandthenapplyto_datetime()as-needed.date_formatstrordictofcolumn->format,defaultNoneIfusedinconjunctionwithparse_dates,willparsedatesaccordingtothisformat.Foranythingmorecomplex,pleasereadinasobjectandthenapplyto_datetime()as-needed.Newinversion2.0.0.thousandsstr,defaultNoneThousandsseparatorforparsingstringcolumnstonumeric.NotethatthisparameterisonlynecessaryforcolumnsstoredasTEXTinExcel,anynumericcolumnswillautomaticallybeparsed,regardlessofdisplayformat.decimalstr,default‘.’Charactertorecognizeasdecimalpointforparsingstringcolumnstonumeric.NotethatthisparameterisonlynecessaryforcolumnsstoredasTEXTinExcel,anynumericcolumnswillautomaticallybeparsed,regardlessofdisplayformat.(e.g.use‘,’forEuropeandata).Newinversion1.4.0.commentstr,defaultNoneCommentsoutremainderofline.Passacharacterorcharacterstothisargumenttoindicatecommentsintheinputfile.Anydatabetweenthecommentstringandtheendofthecurrentlineisignored.skipfooterint,default0Rowsattheendtoskip(0-indexed).storage_optionsdict,optionalExtraoptionsthatmakesenseforaparticularstorageconnection,e.g.host,port,username,password,etc.ForHTTP(S)URLsthekey-valuepairsareforwardedtourllib.request.Requestasheaderoptions.ForotherURLs(e.g.startingwith“s3://”,and“gcs://”)thekey-valuepairsareforwardedtofsspec.open.Pleaseseefsspecandurllibformoredetails,andformoreexamplesonstorageoptionsreferhere.dtype_backend{‘numpy_nullable’,‘pyarrow’},default‘numpy_nullable’Back-enddatatypeappliedtotheresultantDataFrame(stillexperimental).Behaviourisasfollows:"numpy_nullable":returnsnullable-dtype-backedDataFrame(default)."pyarrow":returnspyarrow-backednullableArrowDtypeDataFrame.Newinversion2.0.engine_kwargsdict,optionalArbitrarykeywordargumentspassedtoexcelengine.ReturnsataFrameordictofDataFramesDataFramefromthepassedinExcelfile.Seenotesinsheet_nameargumentformoreinformationonwhenadictofDataFramesisreturned.9-2、参数9-2-1、io(必须)：文件路径、文件对象或ExcelFile对象，指定要读取的Excel文件的路径或对象。9-2-2、sheet_name(可选，默认值为0)：字符串、整数、字符串列表或None，指定要读取的工作表(sheet)。如果是整数，则按位置索引(从0开始)；如果是字符串，则按名称索引；如果是列表的字符串，则返回字典，其中键是工作表名，值是对应的DataFrame；如果为None，则返回所有工作表作为字典。9-2-3、header(可选，默认值为0)：指定作为列名的行，默认为0(第一行)。如果文件没有列名，则可以使用None并通过names参数提供列名。9-2-4、names(可选，默认值为None)：列表，如果原始数据中不包含列，则可以通过此参数手动指定列。9-2-5、index_col(可选，默认值为None)：整数、字符串、序列或布尔值，用作行索引的列编号或列名。如果传递整数，则按位置索引；如果传递字符串，则按名称索引；如果是序列，则使用多个列作为多级索引；如果为False，则不使用任何列作为索引。9-2-6、usecols(可选，默认值为None)：整数、字符串、列表或可调用对象，如果为整数，则只使用这一列；如果是字符串，则只使用此名称的列；如果是列表，则使用这些索引或名称的列；如果是可调用对象，则用于选择列。9-2-7、dtype(可选，默认值为None)：类型名或字典，指定每列的数据类型。如果传递字典，则键是列名，值是类型名。9-2-8、engine(可选，默认值为None)：字符串，用于解析Excel文件的引擎。常用的有openpyxl(对于.xlsx文件)和xlrd(对于较旧的.xls文件)。注意，xlrd从版本2.0.0开始不再支持.xlsx文件。9-2-9、converters(可选，默认值为None)：字典，一个将列名映射到函数的字典，用于在读取之前转换列的值。9-2-10、true_values/false_values(可选，默认值为None)：列表样对象，用于将值转换为布尔值的序列。9-2-11、skiprows(可选，默认值为None)：列表样对象，在读取之前要跳过的行(从文件开始计数)。9-2-12、nrows(可选，默认值为None)：整数，要读取的行数(从文件开始)。9-2-13、na_values(可选，默认值为None)：标量、字符串、列表样对象或字典，用于将空值替换为NaN的额外值。9-2-14、keep_default_na(可选，默认值为True)：布尔值，如果为True，则使用pandas的默认NaN值集。9-2-15、na_filter(可选，默认值为True)：布尔值，如果为True，则尝试检测缺失值(如空字符串或仅包含空白的字符串)。9-2-16、verbose(可选，默认值为False)：布尔值，如果为True，则打印有关文件读取的额外信息。9-2-17、parse_dates(可选，默认值为False)：布尔值、列表样对象或字典，尝试将数据解析为日期。如果为True，则尝试解析所有列；如果为列表，则仅解析列表中的列；如果为字典，则字典的键是列名，值是要解析的日期格式。9-2-18、date_parser(可选)：用于解析日期的函数。9-2-19、date_format(可选，默认值为None)：日期时间对象的格式字符串。9-2-20、thousands(可选，默认值为None)：字符串，千位分隔符，如逗号(,)或点(.)。9-2-21、decimal(可选，默认值为'.')：字符串，小数点字符。9-2-22、comment(可选，默认值为None)：字符串，表示注释字符的字符串，用于跳过包含此字符的行。9-2-23、skipfooter(可选，默认值为0)：整数，在文件末尾要跳过的行数(不支持所有引擎)。9-2-24、storage_options(可选，默认值为None)：字典，对于支持的文件类型(如AWSS3、GoogleCloudStorage)，可以传递额外的存储选项。9-2-25、dtype_backend(可选)：这个参数通常不需要用户直接设置，它是用来指定数据类型推断的后端，Pandas内部使用它来优化数据类型的推断过程。9-2-27、engine_kwargs(可选，默认值为None)：字典，传递给Excel读取引擎的额外关键字参数。9-3、功能        将Excel文件中的数据读取到pandas的DataFrame对象中。9-4、返回值9-4-1、当只读取一个工作表时，pandas.read_excel()函数返回一个pandasDataFrame对象，该对象包含了指定工作表中的所有数据。DataFrame是pandas中用于存储和操作结构化数据的主要数据结构，它类似于Excel中的表格，有行和列。9-4-2、当读取多个工作表时，如果sheet_name参数被设置为一个列表，包含了要读取的工作表名称或索引，则函数返回一个字典，键是工作表的名称或索引，值是该工作表对应的DataFrame对象，这样，用户就可以方便地访问和操作多个工作表中的数据。9-5、说明        通过这个函数，用户可以轻松地将存储在Excel表格中的数据加载到pandas的数据结构中，进而进行各种数据分析和处理操作。该函数支持从本地文件系统、URL或其他文件路径读取Excel文件，并提供了丰富的参数来自定义读取过程，如指定工作表、列名、索引列、数据类型等。9-6、用法9-6-1、数据准备9-6-2、代码示例#9、pandas.read_excel函数#9-1、基本读取importpandasaspd#读取Excel文件中的第一个工作表df=pd.read_excel('Pandas_read_excel数据.xlsx')print(df.head())#9-2、读取指定工作表importpandasaspd#读取名为'Sheet2'的工作表df=pd.read_excel('Pandas_read_excel数据.xlsx',sheet_name='Sheet2')print(df.head())#9-3、指定列名和索引列importpandasaspd#指定第一行作为列名，第二列作为索引列df=pd.read_excel('Pandas_read_excel数据.xlsx',header=0,index_col=1)print(df.head())#9-4、读取特定列importpandasaspd#只读取第1,2,3列df=pd.read_excel('Pandas_read_excel数据.xlsx',usecols=[0,1,2])print(df.head())#9-5、数据类型转换importpandasaspd#将第一列作为字符串读取df=pd.read_excel('Pandas_read_excel数据.xlsx',dtype={0:str})print(df.head())#9-6、使用自定义缺失值importpandasaspd#将'NA'和'Missing'视为缺失值df=pd.read_excel('Pandas_read_excel数据.xlsx',na_values=['NA','Missing'])print(df.head())#9-7、跳过行和读取特定行数importpandasaspd#跳过前两行，读取接下来的10行df=pd.read_excel('Pandas_read_excel数据.xlsx',skiprows=2,nrows=10)print(df.head())#9-8、日期解析importpandasaspd#解析第一列为日期df=pd.read_excel('Pandas_read_excel数据.xlsx',parse_dates=[0])print(df.head())#9-9、读取尾部行importpandasaspd#跳过最后两行df=pd.read_excel('Pandas_read_excel数据.xlsx',skipfooter=2)print(df.head())9-6-3、结果输出#9-1、基本读取#生产日期班别机台设备品牌设备型号...生产周期(s)单重(g)包装规格当班产量(pc)当日库存(pc)#02024-07-04A1YZMUN160SM2...38.023.40506323612148#12024-07-04A3YZMUN160SM2...38.615.806122448120000#22024-07-04A5YZMUN160A...30.12.85250048002205#32024-07-04A7NaNUN120A...28.62.403500850031244#42024-07-04A8ZDEM150-V...33.04.6030002800417##[5rowsx16columns]#9-2、读取指定工作表#生产日期班别机台设备品牌设备型号...生产周期(s)单重(g)包装规格当班产量(pc)当日库存(pc)#02024-07-04A1YZMUN160SM2...38.023.40506323612148#12024-07-04A3YZMUN160SM2...38.615.806122448120000#22024-07-04A5YZMUN160A...30.12.85250048002205#32024-07-04A7NaNUN120A...28.62.403500850031244#42024-07-04A8ZDEM150-V...33.04.6030002800417##[5rowsx16columns]#9-3、指定列名和索引列#生产日期机台设备品牌设备型号...单重(g)包装规格当班产量(pc)当日库存(pc)#班别...#A2024-07-041YZMUN160SM2...23.40506323612148#A2024-07-043YZMUN160SM2...15.806122448120000#A2024-07-045YZMUN160A...2.85250048002205#A2024-07-047NaNUN120A...2.403500850031244#A2024-07-048ZDEM150-V...4.6030002800417##[5rowsx15columns]#9-4、读取特定列#生产日期班别机台#02024-07-04A1#12024-07-04A3#22024-07-04A5#32024-07-04A7#42024-07-04A8#9-5、数据类型转换#生产日期班别机台设备品牌...单重(g)包装规格当班产量(pc)当日库存(pc)#02024-07-0400:00:00A1YZM...23.40506323612148#12024-07-0400:00:00A3YZM...15.806122448120000#22024-07-0400:00:00A5YZM...2.85250048002205#32024-07-0400:00:00A7NaN...2.403500850031244#42024-07-0400:00:00A8ZD...4.6030002800417##[5rowsx16columns]#9-6、使用自定义缺失值#生产日期班别机台设备品牌设备型号...生产周期(s)单重(g)包装规格当班产量(pc)当日库存(pc)#02024-07-04A1YZMUN160SM2...38.023.40506323612148#12024-07-04A3YZMUN160SM2...38.615.806122448120000#22024-07-04A5YZMUN160A...30.12.85250048002205#32024-07-04A7NaNUN120A...28.62.403500850031244#42024-07-04A8ZDEM150-V...33.04.6030002800417##[5rowsx16columns]#9-7、跳过行和读取特定行数#2024-07-0400:00:00A3YZMUN160SM2...38.615.86122448120000#02024-07-04A5YZMUN160A...30.12.85250048002205#12024-07-04A7NaNUN120A...28.62.403500850031244#22024-07-04A8ZDEM150-V...33.04.6030002800417#32024-07-04A8ZDEM150-V...33.04.6030003000312#42024-07-04A12HTHA2600...23.28.80100014500143100##[5rowsx16columns]#9-8、日期解析#生产日期班别机台设备品牌设备型号...生产周期(s)单重(g)包装规格当班产量(pc)当日库存(pc)#02024-07-04A1YZMUN160SM2...38.023.40506323612148#12024-07-04A3YZMUN160SM2...38.615.806122448120000#22024-07-04A5YZMUN160A...30.12.85250048002205#32024-07-04A7NaNUN120A...28.62.403500850031244#42024-07-04A8ZDEM150-V...33.04.6030002800417##[5rowsx16columns]#9-9、读取尾部行#生产日期班别机台设备品牌设备型号...生产周期(s)单重(g)包装规格当班产量(pc)当日库存(pc)#02024-07-04A1YZMUN160SM2...38.023.40506323612148#12024-07-04A3YZMUN160SM2...38.615.806122448120000#22024-07-04A5YZMUN160A...30.12.85250048002205#32024-07-04A7NaNUN120A...28.62.403500850031244#42024-07-04A8ZDEM150-V...33.04.6030002800417##[5rowsx16columns]二、推荐阅读1、Python筑基之旅2、Python函数之旅3、Python算法之旅4、Python魔法之旅5、博客个人主页