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行，这些行不是数据的一部分-基于用于创建报告的报告参数的一些标识数据。
我想将ExcelFile.parse()方法与skiprows=some_number一起使用，但是我不知道每个文件的some_number是多少。
我确实知道HeaderRow将以可能性列表中的一个成员开头。如何告诉Pandas从可能列表中包含some_string的行开始创建dataframe？
或者，是否可以导入整个工作表，然后删除在我的可能性列表中包括some_string的行之前的行？
最佳答案
大多数时候，我会在熊猫中进行后处理，即在熊猫中诊断，删除行并更正dtypes。这样做的好处是更容易，但可以说它不那么优雅（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
我可能实际上是用python编写的，因为它在矢量化方面可能几乎没有/没有好处（而且我发现它更具可读性）：
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
另一种可能性是，搞砸ExcelFile并找到行号（再次使用上述for循环，但使用openpyxl或类似方法）。但是，如果您这样做，我认为不会有一种方法可以只读取一次excel文件（xml）。
与您可以在CSV上执行此操作的方式相比，这有点不幸，您可以在其中读取前几行（直到看到所需的行/条目），然后将打开的文件传递给
read_csv。 （如果您可以将Excel电子表格导出到csv，然后以熊猫解析，那将更快/更清洁...）注意：
read_excel并不是真的那么快（尤其是与read_csv相比）...因此，IMO您想尽快去看熊猫。关于python - Pandas 高级read_excel或ExcelFile.parse，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/29615788/