web-dev-qa-db-ja.com

パンダ:Excelファイルでシートのリストを検索する

Pandasの新しいバージョンは、 次のインターフェイス を使用してExcelファイルをロードします。

read_Excel('path_to_file.xls', 'Sheet1', index_col=None, na_values=['NA'])

使用可能なシートがわからない場合はどうすればよいですか?

たとえば、私は次のシートのExcelファイルで作業しています

データ1、データ2 ...、データN、foo、bar

しかし、Nをアプリオリに知りません。

パンダのExcelドキュメントからシートのリストを取得する方法はありますか?

94

ExcelFile クラス(およびsheet_names属性)を引き続き使用できます。

xl = pd.ExcelFile('foo.xls')

xl.sheet_names  # see all sheet names

xl.parse(sheet_name)  # read a specific sheet to DataFrame

解析用ドキュメント を参照してください。その他のオプションについては...

167
Andy Hayden

2番目のパラメーター(シート名)をNoneとして明示的に指定する必要があります。このような:

 df = pandas.read_Excel("/yourPath/FileName.xlsx", None);

「df」はすべてDataFrameのディクショナリとしてのシートです。次を実行して確認できます。

df.keys()

このような結果:

[u'201610', u'201601', u'201701', u'201702', u'201703', u'201704', u'201705', u'201706', u'201612', u'fund', u'201603', u'201602', u'201605', u'201607', u'201606', u'201608', u'201512', u'201611', u'201604']

詳細については、pandas docを参照してください。 https://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_Excel.html

25
Nicholas Lu

@dhwanil_shahの答えに基づいて、ファイル全体を抽出する必要はありません。 zf.openを使用すると、zipファイルから直接読み取ることができます。

import xml.etree.ElementTree as ET
import zipfile

def xlsxSheets(f):
    zf = zipfile.ZipFile(f)

    f = zf.open(r'xl/workbook.xml')

    l = f.readline()
    l = f.readline()
    root = ET.fromstring(l)
    sheets=[]
    for c in root.findall('{http://schemas.openxmlformats.org/spreadsheetml/2006/main}sheets/*'):
        sheets.append(c.attrib['name'])
    return sheets

2つの連続したreadlinesは見苦しいですが、コンテンツはテキストの2行目のみです。ファイル全体を解析する必要はありません。

このソリューションは、read_Excelバージョンよりもはるかに高速で、ほとんどの場合、完全抽出バージョンよりも高速であるようです。

1
divingTobi

私はxlrd、pandas、openpyxlなどのライブラリを試しましたが、ファイル全体が読み込まれるとファイルサイズが大きくなるため、それらはすべて指数関数的な時間がかかるようです。 'on_demand'を使用した上記の他のソリューションは、私にとってはうまくいきませんでした。最初にシート名を取得するだけの場合、次の関数はxlsxファイルに対して機能します。

def get_sheet_details(file_path):
    sheets = []
    file_name = os.path.splitext(os.path.split(file_path)[-1])[0]
    # Make a temporary directory with the file name
    directory_to_extract_to = os.path.join(settings.MEDIA_ROOT, file_name)
    os.mkdir(directory_to_extract_to)

    # Extract the xlsx file as it is just a Zip file
    Zip_ref = zipfile.ZipFile(file_path, 'r')
    Zip_ref.extractall(directory_to_extract_to)
    Zip_ref.close()

    # Open the workbook.xml which is very light and only has meta data, get sheets from it
    path_to_workbook = os.path.join(directory_to_extract_to, 'xl', 'workbook.xml')
    with open(path_to_workbook, 'r') as f:
        xml = f.read()
        dictionary = xmltodict.parse(xml)
        for sheet in dictionary['workbook']['sheets']['sheet']:
            sheet_details = {
                'id': sheet['@sheetId'],
                'name': sheet['@name']
            }
            sheets.append(sheet_details)

    # Delete the extracted files directory
    shutil.rmtree(directory_to_extract_to)
    return sheets

すべてのxlsxは基本的にzip形式のファイルであるため、基礎となるxmlデータを抽出し、ワークブックからシート名を直接読み取ります。これは、ライブラリ関数と比較して数分の一です。

ベンチマーク:(4シートの6MB xlsxファイル)
パンダ、xlrd: 12秒
openpyxl: 24秒
提案方法: 0.4秒

私の要件はシート名を読むことだけだったので、時間全体を読むことの不必要なオーバーヘッドが私を悩ませていたので、代わりにこのルートを取りました。

0
Dhwanil shah