python - 使用 pandas 从特定工作表中读取 x 列中的值

Question

我是Python新手，并且在SO上看过许多类似的问题，但找不到任何与我遇到的问题非常相似的东西，因此提出它:

我有一个 .xlsx 数据集，其中数据分布在八个工作表中，我想要执行以下操作:

• 对每个工作表中第 14 列中的值进行求和(所有工作表中第 14 列中数据(分数)的格式、布局和类型均相同)
• 创建一个新工作表，其中包含每个工作表第 14 列中的所有求和值
• 将总分从最高到最低排序
• 将求和值绘制在条形图中进行比较

我什至无法开始这个过程，因为我在第一点上很挣扎。我正在使用 pandas，并且无法从一个特定工作表读取数据 - 我似乎只能从第一个工作表读取数据(我打印结果以查看我的系统正在读取的内容)中)。

我的第一次尝试产生了一个“空数据帧”:

import pandas as pd

y7data = pd.read_excel('Documents\\y7_20161128.xlsx', sheetname='7X', header=0,index_col=0,parse_cols="Achievement Points",convert_float=True)
print y7data

我也尝试过这个，但它只导出整个第一个工作表的数据，而不是整个文档(我试图这样做，以便我可以了解如何导出所有数据)。我选择这样做的想法是，也许如果我将数据导出到 .csv，那么它可能会让我更清楚地了解出了什么问题，但我仍然不知道:

import pandas as pd
import numpy as np

y7data = pd.read_excel('Documents\\y7_20161128.xlsx')

y7data.to_csv("results.csv")

我尝试了许多不同的方法来尝试指定每个工作表中的哪一列，但无法使其正常工作；它似乎只产生第一个工作表的结果。

如何首先读取每个工作表中第 14 列的数据，然后执行其余步骤？

任何指导将不胜感激。

更新(对于那些使用 Enthought Canopy 并在 openpyxl 中苦苦挣扎的人):

我正在使用 Enthought Canopy IDE，并且无论我如何尝试，都不断收到有关 openpyxl 未安装的错误消息。对于那些遇到同样问题的人，请节省大量时间并阅读 this post 。简而言之，注册一个 Enthought Canopy 帐户(免费)，然后通过 Canopy 命令提示符运行此代码:

enpkg openpyxl 1.8.5

Answer 1

我想你可以使用这个示例file :

首先将每个工作表中的所有列读取到名为 y7data 的列的 list 中:

y7data = [pd.read_excel('y7_20161128.xlsx', sheetname=i, parse_cols=[13]) for i in range(3)]
print (y7data)
[   a
0  1
1  5
2  9,    a
0  4
1  2
2  8,    a
0  5
1  8
2  5]

然后concat将所有列放在一起，我添加用于图中的 axis x 的键，sum所有列，按 reset_index 删除 MultiIndex 的第二级(示例数据中的 a, a, a)最后sort_values :

print (pd.concat(y7data, axis=1, keys=['a','b','c']))
   a  b  c
   a  a  a
0  1  4  5
1  5  2  8
2  9  8  5

summed = pd.concat(y7data, axis=1, keys=['a','b','c'])
           .sum()
           .reset_index(drop=True, level=1)
           .sort_values(ascending=False)

print (summed)
c    18
a    15
b    14
dtype: int64

创建新的DataFrame df，设置列名并写入to_excel :

df = summed.reset_index()#.
df.columns = ['a','summed']
print (df)
   a  summed
0  c      18
1  a      15
2  b      14

如果需要添加新工作表，请使用此 solution :

from openpyxl import load_workbook

book = load_workbook('y7_20161128.xlsx')
writer = pd.ExcelWriter('y7_20161128.xlsx', engine='openpyxl') 
writer.book = book
writer.sheets = dict((ws.title, ws) for ws in book.worksheets)
df.to_excel(writer, "Main", index=False)
writer.save()

最后Series.plot.bar :

import matplotlib.pyplot as plt

summed.plot.bar()
plt.show()