Python Pandas读取Excel/CSV指定行与列数据详解
发布时间：2026-10-15| 3人浏览过
本文详细介绍如何使用Python Pandas库从Excel或CSV文件中读取指定的行和列数据。通过loc和iloc函数，您可以基于索引、位置或特定条件（如部门、工资范围）精准提取数据，并演示如何将筛选结果导出为新的Excel或CSV文件。
引言
核心技巧：利用loc函数进行数据查找。
以下是具体操作演示：
假设存在一个名为try.xlsx的数据表：
1. 基于索引查询
前提条件：导入的数据必须包含索引（index）。
若原始数据无索引，可自行添加，方法简单，在读取Excel文件时直接指定index_col参数即可。
代码示例：
import pandas as pd #导入pandas库
excel_file = './try.xlsx' #导入excel数据
data = pd.read_excel(excel_file, index_col='姓名')
#这个的index_col就是index，可以选择任意字段作为索引index，读入数据
print(data.loc['李四'])
打印结果如下：
部门 B 工资 6600 Name: 李四, dtype: object （注意：需关注索引设置）
2. 已知数据所在行号以获取目标数据
假设表中某员工的工资数据为空，如何定位并获取所需信息？
代码如下：
for i in data.columns:
for j in range(len(data)):
if (data[i].isnull())[j]:
bumen = data.iloc[j, [0]] #找出缺失值所在的部门
data[i][j] = charuzhi(bumen)
原理简述：首先检索全部数据，随后使用Pandas中的iloc函数。在代码data.iloc[j, [2]]中，j代表具体的行位置索引，[0]表示获取数据所在的列索引。
3. 基于条件查询指定行数据
例如，查找A部门所有成员的姓名和工资，或者筛选出工资低于3000的人员：
代码如下：
"""根据条件查询某行数据"""
import pandas as pd #导入pandas库
excel_file = './try.xlsx' #导入文件
data = pd.read_excel(excel_file) #读入数据
print(data.loc[data['部门'] == 'A', ['姓名', '工资']]) #部门为A，打印姓名和工资
print(data.loc[data['工资'] < 3000, ['姓名','工资']]) #查找工资小于3000的人
运行结果如下：
若需将这些筛选后的数据独立生成Excel文件或CSV文件：
添加以下代码实现导出：
"""导出为excel或csv文件"""
#单条件
dataframe_1 = data.loc[data['部门'] == 'A', ['姓名', '工资']]
#单条件
dataframe_2 = data.loc[data['工资'] < 3000, ['姓名', '工资']]
#多条件
dataframe_3 = data.loc[(data['部门'] == 'A')&(data['工资'] < 3000), ['姓名', '工资']]
#导出为excel
dataframe_1.to_excel('dataframe_1.xlsx')
dataframe_2.to_excel('dataframe_2.xlsx')
4. 提取指定列
data['columns'] #columns即你需要的字段名称即可
#注意这列的columns不能是index的名称
#如果要打印index的话就data.index
data.columns #与上面的一样
上述全过程涉及以下库：
pandas，xlrd , openpyxl
5. 同时提取指定行和指定列
主要使用的函数为iloc。
data.iloc[:,:2] #即全部行，前两列的数据
逗号前指定行范围，逗号后指定列范围，逻辑直观易懂。
6. 在限定范围内筛选符合条件的数据
data.iloc[:10,:][data.工资>6000]
通过上述方法，即可找出前11行中工资大于6000的所有人员信息。
总结
至此，关于Python Pandas库读取Excel/CSV中指定行或列数据的介绍完毕。更多相关Pandas读取行或列内容，请搜索本站历史文章或继续浏览后续相关文章，希望大家以后多多支持本站！
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
