python读取Excel指定范围并转为数组

        最近需要读取Excel中的内容，然后进行后续操作，对于这块知识，博主以前以为自己不会涉及到，但是现在一涉及到，第一步就错了，搞了好久。真的心累。因此写了这篇博客。 

目的：excel中存放着数据，如果要进行计算及其它操作，首先就要进行读取。

目录

安装

初阶 

进阶1

进阶2

进阶3

总结​​​​​​​

我们先来看一下python中能操作Excel的库对比（一共九个库）：

可以发现，还是挺多的

这里使用的是xlrd库。

安装

这里首先就是导入这个包，

pip install xlrd==1.2.0

       xlrd包版本最好是1.2.0，因为笔者使用2.多版本的xlrd时，代码出现了类似下面的报错，也就是说xlrd版本太高会导致无法支持读取xlsx后缀的excel。

xlrd.biffh.XLRDError: Excel xlsx file; not supported

大家可以去试试将excel另存，看看保存类型。

目前笔者使用的是Excel2019版本的，默认保存类型为xlsx。

如果你之前已经安装xlrd高版本或更低版本了，建议先卸载一下，重新安装。

pip uninstall xlrd
pip install xlrd==1.2.0

实例

初阶 

一个excel中有如上数据，我们需要将其提取出来，方便python进行后续操作。

代码如下：

def extract1(file,index=0):
    workbook = xlrd.open_workbook(file)
    worksheet = workbook.sheet_by_index(index)
    rows = worksheet.nrows
    all = []
    for i in range(rows):
        a = worksheet.row_values(i)[:]
        all.append(a)
    print(all)
    cc = np.array(all)
    print(cc)
    return cc

file是文件的路径及名称，index就是当前sheet表的索引。 下图就是具体的索引。

当然也可以根据sheet表的名称。

如下面代码第一行按照的是索引方式，第二行按照的是sheet名称。大家可自行选择

    worksheet = workbook.sheet_by_index(0)
    worksheet = workbook.sheet_by_name("sheet1")

rows = worksheet.nrows

返回的是sheet表的行数，ncols则是列数

    all = []
    for i in range(rows):
        a = worksheet.row_values(i)[:]
        all.append(a)

首先定义一个空列表，然后遍历每行，将里面的数据写入列表中，

row_values()

是用来返回给定行中单元格值的切片。 

最后将其转换成数组类型即可。（按要求来，大家也可以不换）

下图是结果：

换个高级的写法，用推导式写（浓缩才是精华）

def extract(file,index=0):
    workbook = xlrd.open_workbook(file)
    worksheet = workbook.sheet_by_index(index)
    rows = worksheet.nrows
    c = tuple(worksheet.row_values(i)[:] for i in range(rows))
    a = np.array(c)
    print(a)
    return a

 代码行数瞬间缩短了。

最好调用一下函数即可

file = r'C:\Users\knighthood\OneDrive\桌面\11.xlsx'
extract1(file)

进阶1

        要求：假如我excel只要图中框出来的区域。

以下为了看的较为简便，我使用推导式的代码

def confine_array(file,index=0):
    workbook = xlrd.open_workbook(file)
    worksheet = workbook.sheet_by_index(index)
    rows = worksheet.nrows
    c = tuple(worksheet.row_values(i)[1:] for i in range(1, rows))
    a = np.array(c)
    print(a)
    return a

如上，可以发现，代码变化之处就下面这一行。

    c = tuple(worksheet.row_values(i)[1:] for i in range(1, rows))

一步步讲解：

①for i in range(1, rows)

        首先对于后面的for循环，i控制的就是获取的行，更改其范围就会更改获取到的行、行数。

如果是上面说的（1，rows），则对应着获取第二行到最后一行，（0表示第一行）

②worksheet.row_values(i)[1:]

        最后的[1:]（本来的代码中是没有或者是[:]）表示的是i行的元素从第2列（个）获取到最后一行（个）。

因此我们只需要更改这两处就可以获得不同的内容矩阵（如下）。

def flexible_array(file,index=0,row=1,col=1):
    workbook = xlrd.open_workbook(file)
    worksheet = workbook.sheet_by_index(index)
    rows = worksheet.nrows
    c = tuple(worksheet.row_values(i)[col:] for i in range(row,rows))
    a = np.array(c)
    print(a)
    return a

结果如下图 

进阶2

        要求：能不能更简化一点，根据我从哪个位置要数据，如第二行第二列开始，将这后面的数据进行读取。每次这样对来对去，容易出错，还是根据行列开始计算比较方便。

这里为了防止行列一样，我就多加了一列。

def flexible1_array(file,index=0,row=1,col=1):
    workbook = xlrd.open_workbook(file)
    worksheet = workbook.sheet_by_index(index)
    rows = worksheet.nrows
    c = tuple(worksheet.row_values(i)[col-1:] for i in range(row-1,rows))
    a = np.array(c)
    print(a)
    return a

代码也主要变化了这一行 

    c = tuple(worksheet.row_values(i)[col-1:] for i in range(row-1,rows))

这里笔者就不多解释了。 

现在就可以根据需要的起始单元格所在的行列进行选取所要的内容。

进阶3

        要求：不需要最后一列

这里的话，笔者就设置了最后需要的行和列作为结束的读取。

def flexible2_array(file,index=0,row=1,col=1,end_row=None,end_col=None):
    workbook = xlrd.open_workbook(file)
    worksheet = workbook.sheet_by_index(index)
    rows = worksheet.nrows
    if end_row is None:
        c = tuple(worksheet.row_values(i)[col-1:end_col] for i in range(row-1, rows))
    else:
        c = tuple(worksheet.row_values(i)[col - 1:end_col] for i in range(row - 1, end_row))
    a = np.array(c)
    print(a)
    return a

        上述代码意思是，如果不输入结束的行和列，读取到的是包含数据的行列，如果输入了行和列（或者其中一个），就读取相应的内容。由于end_row放在range()函数中，因此需要加个if判断。

结果如下：

        此外，我还发现，end_col由于放在[]中，可输入负数（不懂的可以去看看python列表负索引）。

不过这里的-1，其实际是排除了最后一列，从你输入的行列到，你输入的结束行和倒数第二列。

有些人可能会觉得别扭（比如我，更喜欢-1表示从起始列到最后一列，-2表示从起始列到倒数第二列）

def flexible3_array(file,index=0,row=1,col=1,end_row=None,end_col=None):
    workbook = xlrd.open_workbook(file)
    worksheet = workbook.sheet_by_index(index)
    rows = worksheet.nrows
    if end_row is None:
        c = tuple(worksheet.row_values(i)[col-1:end_col if end_col > 0 else end_col+1] for i in range(row-1, rows))
    else:
        c = tuple(worksheet.row_values(i)[col-1:end_col if end_col > 0 else end_col+1] for i in range(row - 1, end_row))
    a = np.array(c)
    print(a)
    return a

这里，代码中将判断end_col是否为负，使用了if-else写在一行。减少了很多代码判断量，使看起来更简洁。 

这里看个人喜好是否使用这个方法。 

        还有一个end_col参数使用负数的原因是，end_row由于在excel中对应的是行，其用的是数字表示，而excel中列用字母表示，因此如果当数据列数太多的时候（如下图），去数列还是挺麻烦的

总结

        上述内容是一步一步进行修改添加的，对应着平时要求的逐渐添加，功能的逐渐完善。

        笔者在上篇构建层次分析法，用到的数据矩阵，可以和这篇一起结合，通过excel读取转为数组，然后进行层次分析法的操作。