numpy中的converters和usecols用法

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})

以下是我的亲身经历：

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

但是明明有数据，大概率的原因是sheetname（表名）有问题。

然后尝试其他方法：

下图是Excel的表头，共有115行数据。

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

重点：要使用usecols参数，sheet_name必须显式写出来。

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。

usecols=np.arange(3,16)在这里用

方法三：使用切片间隔

#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usecols=("D:P")，即下图中每一列的序号值用于切片

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”)