我正在尝试将 excel 文件有条件地解析为 Pandas 数据帧。我有一组 excel 文件，每个文件的顶部都有一些不属于数据的行 - 一些基于用于创建报告的报告参数的识别数据。
我想将ExcelFile.parse() 方法与skiprows=some_number 一起使用，但我不知道每个文件的 some_number 是多少。
我确实知道HeaderRow 将从可能性列表中的一个成员开始。我如何告诉Pandas 从我的可能性列表中包含任何 some_string 的行开始创建dataframe？
或者，有没有办法导入整个工作表，然后在我的可能性列表中删除包含任何 some_string 的行之前的行？
【问题讨论】：
标签： python pandas import-from-excel
大多数时候我只是在 pandas 中对它进行后处理，即在 pandas 中诊断、删除行并更正 dtypes。这样做的好处是更容易但可以说不那么优雅（我怀疑这样做也会更快！）：
In [11]: df = pd.DataFrame([['blah', 1, 2], ['some_string', 3, 4], ['foo', 5, 6]])
In [12]: df
Out[12]:
0 1 2
0 blah 1 2
1 some_string 3 4
2 foo 5 6
In [13]: df[0].isin(['some_string']).argmax() # assuming it's found
Out[13]: 1
我实际上可能会在 python 中编写此代码，因为它可能对矢量化几乎/没有好处（而且我发现这更具可读性）：
def to_skip(df, preceding):
for s in enumerate(df[0]):
if s in preceding:
return i
raise ValueError("No preceding string found in first column")
In [21]: preceding = ['some_string']
In [22]: to_skip(df, preceding)
Out[22]: 1
In [23]: df.iloc[1:] # or whatever you need to do
Out[23]:
0 1 2
1 some_string 3 4
2 foo 5 6
另一种可能性，就是搞乱 ExcelFile 并找到行号（同样使用上面的 for 循环，但在 openpyxl 或类似中）。但是，我不认为如果你这样做，会有一种方法可以只读取一次 excel 文件 (xml)。
与在 csv 上执行此操作相比，这有点不幸，您可以在 csv 中读取前几行（直到您看到所需的行/条目），然后传递此 opened 归档到read_csv。 （如果您可以将 Excel 电子表格导出为 csv，然后在 pandas 中进行解析，那会更快/更干净......）
注意：read_excel 并没有那么快（尤其是与read_csv 相比）...所以 IMO 你想尽快使用 pandas。
【讨论】：