Python Pandas advanced read_excel或ExcelFile.parse

我正在尝试将excel文件有条件地解析为数据帧。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——一些基于创建报告时使用的报告参数的标识数据

我想将

ExcelFile.parse（）

方法与

skiprows=some\u number

一起使用，但我不知道每个文件的some\u number是什么

我知道

HeaderRow

将从一个可能性列表的一个成员开始。如何让熊猫创建从包含我的可能性列表中的任何字符串的行开始的

dataframe

---

或者，是否有方法导入整个工作表，然后删除包含我的可能性列表中某些字符串的行之前的行？

大多数时候，我只是在pandas中对此进行后期处理，即在pandas中诊断、删除行并更正数据类型。这样做的好处是更简单，但可以说不那么优雅（我怀疑这样做也会更快！）

实际上，我可以用python编写这篇文章，因为它在矢量化方面可能没有什么好处（我发现这篇文章更可读）：

---

另一种可能是，在ExcelFile中乱搞并查找行号（同样是在上面的for循环中，但在openpyxl或类似版本中）。但是，如果您这样做，我不认为有一种方法可以只读取一次excel文件（xml）

与在csv上执行此操作相比，这有点不幸，在csv上，您可以读取前几行（直到看到所需的行/条目），然后将此打开的文件传递到

读取csv

。（如果您可以将Excel电子表格导出到csv，然后在pandas中进行解析，则会更快/更干净…）

---

注意：

read\u excel

无论如何都不是那么快（尤其是与

read\u csv

相比）。。。所以我想你尽快去熊猫乐园。

谢谢安迪·海登。我怀疑加载整个文件并使用熊猫清理是一条可行之路。对于read_csv，这很好，但是当前预期的输入是xls和xlsx文档的zipfile，在读取之前转换它们似乎效率很低。你知道read_excel是否比ExcelFile.parse（）方法更快吗？@AnthonyRoberts一个调用另一个，性能没有差别：）

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

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