将 xlsx 文件解析为字典

Question

我正在尝试解析一个非常简单的xlsx 文件。它有 4 张表格，格式如下：lookup table。我正在为此使用熊猫。

这是我想做的：

xls = pandas.ExcelFile('file.xlsx')
for sheet in xls.sheet_names:
    cur_sheet=xls.parse(sheet)
    cur_sheet=set_index(sheet)
    dic = cur_sheet.to_dict('index')

问题：

1. 一切都是unicode，因此有一个“u”前缀，这在与其他字符串比较和在字典中设置值时会出现问题。我就是无法摆脱它。
2. 我希望字典只接受非 Nan 值

3. 有没有一种漂亮的方法可以在没有计数器的情况下使用“sheet”作为工作表的名称？即：

   counter=0
   for sheets in xls.sheet_names
        cur_sheet=xls.parse(xls.sheet_names[counter])
   

我觉得真的很丑……

4. 理想情况下，我只想要一个字典（所有工作表的第一列都相同）

我对 Python 还是很陌生，而且它对我来说真的很不直观。我在网上搜索了一整天，并没有真正找到正常的解决方法。

谢谢！

Answer 1

让我们一个接一个。 我重新创建了您的 .xlsx 文件，如图所示，并添加了对如何将文件读入 pandas 数据框的更改。 1.您可以通过以下方式使用applymap：

import pandas as pd
pd.set_option('expand_frame_repr', False)
dataframe = pd.read_excel('file.xlsx', sheetname = name, header = 0, index_col = 0) 
dataframe.applymap(lambda x: x.strip('u'))

它应用了在数据帧的每个单元格中去掉“u”的函数，

2.dropna() 去掉 NaN 值。

3.这就是你以pythonic方式循环的方式

xls = pd.ExcelFile('file.xlsx')
sheets = xls.sheet_names

for sheet in sheets:
     #your code

让我们将它们组合在一起：

import pandas as pd
xls = pd.ExcelFile('file.xlsx')
sheets = xls.sheet_names
for sheet in sheets:
    dataframe = pd.read_excel('file.xlsx', sheetname = sheet)
    dataframe = dataframe.dropna()
    dataframe.applymap(lambda x: x.strip('u'))

4.我没有真正明白这个问题，所以我无能为力。

根据cmets中的对话..

import pandas as pd
df = pd.read_excel('file.xlsx', sheetname = name, header = 0, index_col = 0)
cols = df.columns
the_list = list()
for col in cols:
    print(df[~df[col].isnull()].index.tolist())
    column = (col, df[~df[col].isnull()].index.tolist())
    the_list.append(column)

此代码打开您的文件，然后遍历列并为包含列 ID 和行 ID 列表的每一列创建一个元组。因此，如果您在第 2_3 列和第 3_0 行中有 x，则元组将如下所示：('2_3', ['3_0'])。这是你真正想做的吗？