Python Pandas-同时按列索引和列标题提取excel数据

我正在尝试编写一个脚本，从几个Excel文件中提取数据。它们包含10到15列。 从这些列中，我需要在每个文件中具有不同标题的第一列，以及始终具有相同标题名称的其他一些列（“总计”、“清除”、“不清除”和“系统”），但它们位于不同文件中不同的列索引下。 （我的意思是，在其中一个文件中，“总计”是表中的第3列，但在另一个文件中是第5列）

我知道使用

usecols

关键字可以指定要使用的列，但这个参数似乎只接受标题名或列索引，而不会同时使用它们

是否可以编写一个语句，同时按索引获取第一列，然后按标题名获取其他列

下面的语句不起作用：

df = pd.read_excel(file, usecols = [0,'TOTAL', 'CLEAR', 'NON-CLEAR','SYSTEM'])

---

您可以使用

pd.read_excel（）

两次，然后加入两个dfs

df1 = pd.read_excel(file, usecols = [0])
df2 = pd.read_excel(file, usecols = ['TOTAL', 'CLEAR', 'NON-CLEAR','SYSTEM'])
df = pd.concat([df1, df2], axis = 1, join = 'outer')

---

如果它只有15列，那么不读取文件两次可能会更快。 您可以将整个文件读入内存，然后使用更好的pandas界面提取所需的列：

df = pd.read_excel(file)
df = df[ [ df.columns[0], 'TOTAL', 'CLEAR', 'NON-CLEAR','SYSTEM'] ]

给你：

def callable（）：
第一列=无
def流程（列名称）：
非局部第一列
如果第一列为无：
第一列=列名称
返回真值
如果第一列==列名称：
返回真值
返回['TOTAL'、'CLEAR'、'NON-CLEAR'、'SYSTEM'中的列名称]
返回过程
打印（pd.read\u csv（文件，usecols=callable（））

目前我使用“修补程序”只是读取整个数据文件，而不指定任何

usecols

。关于性能和程序内存使用，这两个解决方案（您的还是我的）中哪一个更好？我说的是包含大量数据的大文件。我想我的文件效率更高，但我不是这方面的专家。您可以在jupyter笔记本中运行这两个soloutuions，并使用

%%time

跟踪它们的速度。我认为使用

use\cols

arg不可能做到这一点，您可以读取0行，只需将列拼接在一起。@datanoveler

usecols

确实需要调用。