除了使用xlrd库或者xlwt库进行对excel表格的操作读与写，而且pandas库同样支持excel的操作；且pandas操作更加简介方便。

首先是pd.read_excel的参数：函数为：

pd.read_excel(io, sheetname=0,header=0,skiprows=None,index_col=None,names=None, arse_cols=None,date_parser=None,na_values=None,thousands=None, convert_float=True,has_index_names=None,converters=None,dtype=None, true_values=None,false_values=None,engine=None,squeeze=False,**kwds)

表格数据：

常用参数解析：

io ：excel 路径；

In [10]: import pandas as pd#定义路径IOIn [11]: IO = 'example.xls'#读取excel文件In [12]: sheet = pd.read_excel(io=IO)#此处由于sheetname默认是0，所以返回第一个表In [13]: sheetOut[13]: 姓名 年龄 出生日 爱好 关系0 小王 23 1991-10-02 足球 朋友1 小丽 23 1992-11-02 篮球 NaN2 小黑 25 1991-10-18 游泳 同学3 小白 21 1989-09-09 游戏 NaN4 小红 25 1990-08-07 看剧 NaN5 小米 24 1991-12-12 足球 NaN6 大锤 26 1988-09-09 看剧 个人#上述列表返回的结果和原表格存在合并单元格的差异

sheetname：默认是sheetname为0，返回多表使用sheetname=[0,1]，若sheetname=None是返回全表 。注意：int/string返回的是dataframe，而none和list返回的是dict of dataframe。

In [7]: sheet = pd.read_excel('example.xls',sheetname= [0,1])#参数为None时，返回全部的表格，是一个表格的字典；#当参数为list = [0，1，2，3]此类时，返回的多表格同样是字典In [8]: sheetOut[8]:{0: 姓名 年龄 出生日 爱好 关系 0 小王 23 1991-10-02 足球 朋友 1 小丽 23 1992-11-02 篮球 NaN 2 小黑 25 1991-10-18 游泳 同学 3 小白 21 1989-09-09 游戏 NaN 4 小红 25 1990-08-07 看剧 NaN 5 小米 24 1991-12-12 足球 NaN 6 大锤 26 1988-09-09 看剧 个人, 1: 1 3 5 学生 0 2 3 4 老师 1 4 1 9 教授}#value是一个多位数组In [15]: sheet[0].valuesOut[15]:array([['小王', 23, Timestamp('1991-10-02 00:00:00'), '足球', '朋友'], ['小丽', 23, Timestamp('1992-11-02 00:00:00'), '篮球', nan], ['小黑', 25, Timestamp('1991-10-18 00:00:00'), '游泳', '同学'], ['小白', 21, Timestamp('1989-09-09 00:00:00'), '游戏', nan], ['小红', 25, Timestamp('1990-08-07 00:00:00'), '看剧', nan], ['小米', 24, Timestamp('1991-12-12 00:00:00'), '足球', nan], ['大锤', 26, Timestamp('1988-09-09 00:00:00'), '看剧', '个人']], dtype=object)#同样可以根据表头名称或者表的位置读取该表的数据#通过表名In [17]: sheet = pd.read_excel('example.xls',sheetname= 'Sheet2')In [18]: sheetOut[18]: 1 3 5 学生0 2 3 4 老师1 4 1 9 教授#通过表的位置In [19]: sheet = pd.read_excel('example.xls',sheetname= 1)In [20]: sheetOut[20]: 1 3 5 学生0 2 3 4 老师1 4 1 9 教授

header ：指定作为列名的行，默认0，即取第一行，数据为列名行以下的数据；若数据不含列名，则设定 header = None；

#数据不含作为列名的行In [21]: sheet = pd.read_excel('example.xls',sheetname= 1,header = None)In [22]: sheetOut[22]: 0 1 2 30 1 3 5 学生1 2 3 4 老师2 4 1 9 教授#默认第一行数据作为列名In [23]: sheet = pd.read_excel('example.xls',sheetname= 1,header =0)In [24]: sheetOut[24]: 1 3 5 学生0 2 3 4 老师1 4 1 9 教授

skiprows：省略指定行数的数据

In [25]: sheet = pd.read_excel('example.xls',sheetname= 1,header = None,skiprows= 1)#略去1行的数据，自上而下的开始略去数据的行In [26]: sheetOut[26]: 0 1 2 30 2 3 4 老师1 4 1 9 教授

skip_footer：省略从尾部数的行数据

In [27]: sheet = pd.read_excel('example.xls',sheetname= 1,header = None,skip_footer= 1)#从尾部开始略去行的数据In [28]: sheetOut[28]: 0 1 2 30 1 3 5 学生1 2 3 4 老师

index_col ：指定列为索引列，也可以使用 u'string'

#指定第二列的数据作为行索引In [30]: sheet = pd.read_excel('example.xls',sheetname= 1,header = None,skip_footer= 1,index_col=1)In [31]: sheetOut[31]: 0 2 313 1 5 学生3 2 4 老师

names：指定列的名字，传入一个list数据

In [32]: sheet = pd.read_excel('example.xls',sheetname= 1,header = None,skip_footer= 1,index_col=1,names=['a','b','c']) ...:In [33]: sheetOut[33]: a b c13 1 5 学生3 2 4 老师

总体而言，pandas库的pd.read_excel和pd.read_csv的参数比较类似，且相较之前的xlrd库的读表操作更加简单，针对一般批量的数据处理最好选择pandas库操作。但是功能有待完善或者本次研究的不够深入，比如合并单元格的问题，欢迎一起讨论交流。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。