Τμήμα Πληροφορικής και Τηλεπικοινωνιών - Άρτα 
Πανεπιστήμιο Ιωαννίνων 

Γκόγκος Χρήστος 
http://chgogos.github.io/

Τελευταία ενημέρωση: 2/4/2022

Excel¶

Επεξεργασία δεδομένων που βρίσκονται σε αρχεία Excel.

Η ανάγνωση και εγγραφή αρχείων Excel γίνεται με τη χρήση επιλέον modules που πρέπει να εγκατασταθούν. Δείτε το www.python-excel.org.

Στα ακόλουθα παραδείγματα θα χρησιμοποιηθεί το openpyxl και το pandas.

Φόρτωση αρχείων excel με το openpyxl¶

In [1]:

import openpyxl

path = "../../../datasets/cal_housing.xlsx"
book = openpyxl.load_workbook(path)
all_sheets = book.get_sheet_names()
print(all_sheets)
sheet = book.active

print("*" * 40)

# διάσχιση κατά γραμμές (για τις 5 πρώτες γραμμές του φύλλου)
for row in sheet.iter_rows(min_row=1, max_row=5):
    for cell in row:
        print(cell.value, end=" ")
    print()

print("*" * 40)

# διάσχιση κατά στήλες (στις 2 πρώτες στήλες, για τις 5 πρώτες γραμμές του φύλλου)
for row in sheet.iter_cols(min_row=1, max_row=5, min_col=1, max_col=2):
    for cell in row:
        print(cell.value, end=" ")
    print()

['cal_housing']
****************************************
longitude latitude housingMedianAge totalRooms totalBedrooms population households medianIncome medianHouseValue 
-122.23 37.88 41 880 129 322 126 8.3252 452600 
-122.22 37.86 21 7099 1106 2401 1138 8.3014 358500 
-122.24 37.85 52 1467 190 496 177 7.2574 352100 
-122.25 37.85 52 1274 235 558 219 5.6431 341300 
****************************************
longitude -122.23 -122.22 -122.24 -122.25 
latitude 37.88 37.86 37.85 37.85

C:\Users\chgogos\AppData\Local\Temp\ipykernel_39616\1282899620.py:5: DeprecationWarning: Call to deprecated function get_sheet_names (Use wb.sheetnames).
  all_sheets = book.get_sheet_names()

Φόρτωση αρχείων excel με το pandas¶

In [2]:

# χρειάζεται να εγκατασταθεί το module xlrd

import pandas as pd

path = "../../../datasets/cal_housing.xls"
xl = pd.ExcelFile(path)
print(xl.sheet_names)

df = xl.parse('california_housing')
print(df.info())
df

['california_housing']
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 16383 entries, 0 to 16382
Data columns (total 9 columns):
 #   Column            Non-Null Count  Dtype  
---  ------            --------------  -----  
 0   longitude         16383 non-null  float64
 1   latitude          16383 non-null  float64
 2   housingMedianAge  16383 non-null  int64  
 3   totalRooms        16383 non-null  int64  
 4   totalBedrooms     16383 non-null  int64  
 5   population        16383 non-null  int64  
 6   households        16383 non-null  int64  
 7   medianIncome      16383 non-null  float64
 8   medianHouseValue  16383 non-null  int64  
dtypes: float64(3), int64(6)
memory usage: 1.1 MB
None

Out[2]:

	longitude	latitude	housingMedianAge	totalRooms	totalBedrooms	population	households	medianIncome	medianHouseValue
0	-122.23	37.88	41	880	129	322	126	8.3252	452600
1	-122.22	37.86	21	7099	1106	2401	1138	8.3014	358500
2	-122.24	37.85	52	1467	190	496	177	7.2574	352100
3	-122.25	37.85	52	1274	235	558	219	5.6431	341300
4	-122.25	37.85	52	1627	280	565	259	3.8462	342200
...	...	...	...	...	...	...	...	...	...
16378	-121.29	38.02	12	2006	426	1849	396	2.5437	99000
16379	-121.30	38.02	16	2717	621	3343	643	2.5473	106300
16380	-121.30	38.03	11	2866	654	1404	525	2.5050	95000
16381	-121.30	38.02	4	1515	384	491	348	2.8523	87500
16382	-121.29	38.00	4	1392	322	1784	309	2.3750	124500

16383 rows × 9 columns

In [ ]: