脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → numpy converters和usecols

numpy中的converters和usecols用法详解

 更新时间：2022年05月30日 10:29:24   作者：温欣'  
本文主要介绍了numpy中的converters和usecols用法详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

用Python打开Excel数据，读取时需要将”学号“和“ID"转换成字符，以便后续操作

df = pd.read_excel(path, converters={'学号': str, 'ID': str})

在这里插入图片描述

以下是我的经历来体会：

我在从Excel读入python的数据时，发现读出的是空值：

import pandas as pd 
df=pd.read_excel("D:/Python/05DataMineML/2022STU(1).xlsx")
df

在这里插入图片描述

但是分明是有数据的，大概率出现的原因是sheetname（表的名称）出现了问题。

那就试试其他的方法：

下图是Excel的表头，共有115行数据。

在这里插入图片描述

方法一：使用usecols

#获取字段的第一种写法
import pandas as pd
df=pd.read_excel('../05DataMineML/2022STU(1).xlsx',usecols=['学号','姓名','20220101','20220125','20220202','20220208','20220213','20220220','20220226','20220311','20220320','20220327','20220403','randscore'],index_col='姓名',sheet_name='2022STUMOOC')
df.info()

index_col：指定作为表格的索引值
usecols：pandas读取excel使用read_excel()中的usecols参数读取指定的列
sheet_name：表名

在这里插入图片描述

重点：要使用usecols参数，sheet_name必须显式写出来。

在这里插入图片描述

方法二：使用numpy

#获取字段的第二种写法:使用numpy
import pandas as pd
import numpy as np
df=pd.read_excel('../05DataMineML/2022STU(1).xlsx',converters={'学号':str},usecols=np.arange(3,16),index_col='姓名',sheet_name='2022STU')
df.head()

这里就涉及converters：

converters={'学号':str}：将学号转换为字符类型，以便后续操作。

在这里插入图片描述

这里使用了usecols=np.arange(3,16)

在这里插入图片描述

方法三：使用切片区间

#获取字段的第三种写法:切片区间
import pandas as pd
import numpy as np
df=pd.read_excel('../05DataMineML/2022STUMOOC (1).xlsx',converters={'学号':str},usecols=("D:P"),index_col='姓名',sheet_name='2022STUMOOC')
df

这里使用了usecols=("D:P")，也就是使用了如下图每列的序号值做切片

在这里插入图片描述

在这里插入图片描述

总结：

converters用法：转换类型。比如将Excel数据一列从int变成str

usecols用法

usecols=[‘学号',‘姓名']
usecols=np.arange(3,16)
usecols=(“D:P”)

到此这篇关于numpy中的converters和usecols用法详解的文章就介绍到这了,更多相关numpy converters和usecols内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

相关文章

  • 如何配置关联Python 解释器 Anaconda的教程(图解)

    如何配置关联Python 解释器 Anaconda的教程(图解)

    这篇文章主要介绍了如何配置关联Python 解释器 Anaconda的教程,本文通过图文并茂的形式给大家介绍的非常详细，对大家的学习火锅工作具有一定的参考借鉴价值，需要的朋友可以参考下
    2020-04-04
  • Python encode()方法和decode()方法详解

    Python encode()方法和decode()方法详解

    encode() 方法为字符串类型（str）提供的方法，用于将 str 类型转换成 bytes 类型，这个过程也称为“编码”，这篇文章主要介绍了Python encode()方法和decode()方法,需要的朋友可以参考下
    2022-12-12
  • python 读取txt,json和hdf5文件的实例

    python 读取txt,json和hdf5文件的实例

    今天小编就为大家分享一篇python 读取txt,json和hdf5文件的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2018-06-06
  • Keras实现DenseNet结构操作

    Keras实现DenseNet结构操作

    这篇文章主要介绍了Keras实现DenseNet结构操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2020-07-07
  • 跟老齐学Python之不要红头文件(1)

    跟老齐学Python之不要红头文件(1)

    红头文件，是某国特别色的东西，在python里不需要，python里要处理的是计算机中的文件，包括文本的、图片的、音频的、视频的等等，还有不少没见过的扩展名的，文件，在python中，是一种对象，就如同已经学习过的字符串、数字等一样。
    2014-09-09
  • Python实现九宫格式的朋友圈功能内附“马云”朋友圈

    Python实现九宫格式的朋友圈功能内附“马云”朋友圈

    PIL(Python Imaging Library)是一个非常强大的Python库，但是它支持Python2.X， 在Python3中则使用的是Pillow库，它是从PIL中fork出来的一个分支。这篇文章主要介绍了用Python搞定九宫格式的朋友圈功能内附“马云”朋友圈 ,需要的朋友可以参考下
    2019-05-05
  • python文件操作的简单方法总结

    python文件操作的简单方法总结

    在本篇文章里小编给大家整理的是关于python文件操作的简单方法知识点，有需要的朋友们可以学习下。
    2019-11-11
  • Python如何去除字符串中不需要的字符

    Python如何去除字符串中不需要的字符

    这篇文章主要介绍了Python如何去除字符串中不需要的字符问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
    2023-08-08
  • 推荐一款高效的python数据框处理工具Sidetable

    推荐一款高效的python数据框处理工具Sidetable

    这篇文章主要为大家介绍推荐一款高效的python数据框处理工具Sidetable，文章详细的讲解了Sidetable的安装及用法，有需要的朋友可以借鉴参考下，希望能够有所帮助
    2021-11-11
  • keras 使用Lambda 快速新建层 添加多个参数操作

    keras 使用Lambda 快速新建层 添加多个参数操作

    这篇文章主要介绍了keras 使用Lambda 快速新建层 添加多个参数操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2020-06-06

最新评论