【Pandas】Excelファイルをデータフレームとして読み込む

PandasではExcelファイルをデータフレームとして読み込んだり、データフレームをExcelファイルに出力することができます。

pd.read_excel()

まずはpandasモジュールを読み込む必要があるので、import文でpandasを読み込みます。

Excelの読込にはpd.read_excel()を用います。引数には必ずファイルのパスを指定します。相対パスでも絶対パスでも問題ありません。

pandas.read_excel(io, sheet_name=0, *, header=0, names=None, index_col=None, usecols=None, dtype=None, engine=None, converters=None, true_values=None, false_values=None, skiprows=None, nrows=None, na_values=None, keep_default_na=True, na_filter=True, verbose=False, parse_dates=False, date_parser=<no_default>, date_format=None, thousands=None, decimal=’.’, comment=None, skipfooter=0, storage_options=None, dtype_backend=<no_default>, engine_kwargs=None)

実行すると、以下のようなデータが読み込まれます。

import pandas as pd

df = pd.read_excel("input/apple_stock.xlsx")

引数

sheet_name

引数sheet_nameで読み込むシートを指定できます。シート名を文字列で指定することもできますし、0からの番号でシートを指定することもできます。デフォルトは0です（先頭シート）。

df = pd.read_excel("input/apple_stock.xlsx", sheet_name=0)

names

データフレームの列名として使用する値をリスト形式で指定します。

リストの要素数とデータフレームの列数が一致する場合は、リストの要素番号とデータフレームの列番号で列名が割り当てられます。

#リストの要素数とデータフレームの列数が同じ場合
cols = ["Date_renemed", "Open_renemed", "High_renemed", "Low_renemed", "Close_renemed", "Volume_renemed", "Adj_Close_renemed"]
df = pd.read_excel("input/apple_stock.xlsx", names=cols)

リストの要素数がデータフレームの列数より少ない場合、データフレームの先頭列及び末尾の余剰列がインデックスとして割り当てられます。

#リストの要素数がデータフレームの列数より少ない場合
cols = ["Date_renemed", "Open_renemed", "High_renemed", "Low_renemed"]
df = pd.read_excel("input/apple_stock.xlsx", names=cols)

header

デフォルトでは1行目はヘッダーとみなされ、カラム名に割り当てられます。引数header=Noneとすることで、1行目もデータとして扱われるようになります。なお、カラム名には0からの連番が割り当てられます。

df = pd.read_excel("input/apple_stock.xlsx", header=None)

index_col

インデックスに割り当てる列を指定することができます。列番号（左端が0）または列名を指定します。

df = pd.read_excel("input/apple_stock.xlsx", index_col=3)
df = pd.read_excel("input/apple_stock.xlsx", index_col="Open")

usecols

読み込み対象の列を指定します。指定しない場合、すべての列が読み込まれます。

列の指定は、列番号の配列または列名の配列で指定します。列番号と列名の混合配列はErrorとなります。

df = pd.read_excel("input/apple_stock.xlsx", usecols=[0, 1, 4])
df = pd.read_excel("input/apple_stock.xlsx", usecols=["Date", "High", "Close"])

dtype

読み込む列の型を指定します。データフレーム全体の一括型指定または、辞書形式で列ごとに型を指定します。

データフレーム全体を数値や日付といった型に一括変換しようとした場合、文字列等変換できないデータが混在しているとエラーになるので、注意してください。

#データフレーム全体を一括で型指定
df = pd.read_excel("input/apple_stock.xlsx", dtype=object)
df.dtypes

>>
Date         object
High         object
Low          object
Open         object
Close        object
Volume       object
Adj Close    object
dtype: object

列ごとに型指定する場合、辞書形式で指定します。指定しなかった列は、デフォルトで読み込まれた型が適用されます。

#列ごとに型指定
df = pd.read_excel("input/apple_stock.xlsx", dtype={"Date": str, "Open": float, "High": object, "Low": float, "Close": float})
df.dtypes

>>
Date          object
High          object
Low          float64
Open         float64
Close        float64
Volume       float64
Adj Close    float64
dtype: object

skiprows

読み込みをスキップする行を行番号のリストで指定します。

callable関数で指定する場合、関数はインデックス番号に対して適用されます。lambda x: x % 2 == 0とした場合、偶数行の読み込みがスキップされ奇数行のみが読み込まれます。

df = pd.read_excel("input/apple_stock.xlsx", skiprows=[0,2])
#callable関数
df = pd.read_excel("input/apple_stock.xlsx", skiprows=lambda x: x % 2 == 0)

Pythonでデータサイエンスするなら

Pythonでデータサイエンスをするなら、以下の書籍がおすすめです。Pandas、matplotlib、Numpy、scikit-learnといったデータサイエンスに必要なライブラリを、体系立てて一通り学ぶことができます。

ややお値段高めですが、これ1冊で十分という内容・ボリュームなので、損はしないと思います^^

まとめ

pandasでExcelファイルを読み込む方法を紹介しました。ExcelのデータセットをPythonで分析みたいなケースもあると思うので、是非参考にしてみてください。