Microsoft Excel es uno de los programas más utilizado para la visualización y análisis de datos en la empresa. La omnipresencia de este programa hace que muchos usuarios se decanten por el formato xlsx (o xls) para exportar sus conjuntos de datos. Por esto saber leer y escribir archivos Excel en Python es clave para trabajar de forma óptima en muchos entornos. A pesar de que este no sea el formato favorito de muchos científicos de datos. Ya que estos generalmente prefieren trabajar con archivos en formato CSV.
En esta entrada se va a repasar cómo se puede guardar y leer archivos en formato Excel en Python utilizando la librería pandas.
Guardado de archivos Excel en Python
Antes de poder guardar un archivo Excel desde Python es necesario disponer de un dataframe. Por lo que se puede crear uno de ejemplo, como se hizo al hablar de los archivos CVS:
import pandas as pd
data = {'first_name': ['Sigrid', 'Joe', 'Theodoric','Kennedy', 'Beatrix', 'Olimpia', 'Grange', 'Sallee'],
'last_name': ['Mannock', 'Hinners', 'Rivers', 'Donnell', 'Parlett', 'Guenther', 'Douce', 'Johnstone'],
'age': [27, 31, 36, 53, 48, 36, 40, 34],
'amount_1': [7.17, 1.90, 1.11, 1.41, 6.69, 4.62, 1.01, 4.88],
'amount_2': [8.06, "?", 5.90, "?", "?", 7.48, 4.37, "?"]}
df = pd.DataFrame(data, columns = ['first_name', 'last_name', 'age', 'amount_1', 'amount_2'])Ahora para exportar los datos en formato Excel simplemente se ha utilizar el método to_excel del dataframe. En esta ocasión se ha de indicar el archivo en el que se desea guardar los datos mediante una cadena de texto. Opcionalmente se puede indicar también el nombre de la hoja del libro Excel mediante la propiedad sheet_name. El contenido del archivo generado el siguiente código se muestra en la figura.
df.to_excel('example.xlsx', sheet_name='example')
Lectura de archivos Excel en Python
El proceso de lectura se realiza con el método read_excel de pandas. En el caso de que el libro contenga más de una hoja se puede indicar el nombre de la que se desea importar mediante el método sheet_name. Cuando no se indique una cargara el contenido de la primera hoja del libro.
df = pd.read_excel('example.xlsx', sheet_name='example')first_name last_name age amount_1 amount_2 0 Sigrid Mannock 27 7.17 8.06 1 Joe Hinners 31 1.90 ? 2 Theodoric Rivers 36 1.11 5.9 3 Kennedy Donnell 53 1.41 ? 4 Beatrix Parlett 48 6.69 ? 5 Olimpia Guenther 36 4.62 7.48 6 Grange Douce 40 1.01 4.37 7 Sallee Johnstone 34 4.88 ?
Por defecto el método utiliza la primera línea del fichero como cabecera para asignar los nombres a las columnas. En el caso de que el archivo no disponga de cabecera se puede evitar este comportamiento asignando None a la propiedad head.
df = pd.read_excel('example.xlsx', header=None)0 1 2 3 4 5 0 NaN first_name last_name age amount_1 amount_2 1 0.0 Sigrid Mannock 27 7.17 8.06 2 1.0 Joe Hinners 31 1.9 ? 3 2.0 Theodoric Rivers 36 1.11 5.9 4 3.0 Kennedy Donnell 53 1.41 ? 5 4.0 Beatrix Parlett 48 6.69 ? 6 5.0 Olimpia Guenther 36 4.62 7.48 7 6.0 Grange Douce 40 1.01 4.37 8 7.0 Sallee Johnstone 34 4.88 ?
El archivo que se ha utilizado en esta ocasión tiene cabecera, por lo que esta se ha importado como la primera fila. En caso de que se desee ignorar una o más filas se le puede indicar mediante la propiedad skiprows.
df = pd.read_excel('example.xlsx', header=None, skiprows=1)0 1 2 3 4 5 0 0 Sigrid Mannock 27 7.17 8.06 1 1 Joe Hinners 31 1.90 ? 2 2 Theodoric Rivers 36 1.11 5.9 3 3 Kennedy Donnell 53 1.41 ? 4 4 Beatrix Parlett 48 6.69 ? 5 5 Olimpia Guenther 36 4.62 7.48 6 6 Grange Douce 40 1.01 4.37 7 7 Sallee Johnstone 34 4.88 ?
En el caso de que se desee indicar un nombre concreto para cada una de las columnas, difernte al de la hoja, se puede indicar mediatne la propiedad names.
df = pd.read_excel('example.xlsx',
skiprows = 1,
names=['UID', 'First Name', 'Last Name', 'Age', 'Sales #1', 'Sales #2'])UID First Name Last Name Age Sales #1 Sales #2 0 1 Joe Hinners 31 1.90 ? 1 2 Theodoric Rivers 36 1.11 5.9 2 3 Kennedy Donnell 53 1.41 ? 3 4 Beatrix Parlett 48 6.69 ? 4 5 Olimpia Guenther 36 4.62 7.48 5 6 Grange Douce 40 1.01 4.37 6 7 Sallee Johnstone 34 4.88 ?
Conclusiones
En esta entrada se ha explicado cómo trabajar con archivos Excel en Python gracias a la librería pandas. El formato de Microsoft Excel es uno de los más utilizados en muchos entornos, por lo que conocer estas herramientas puede ahorrar mucho trabajo.
Lo aprendido en esta entrada permite aumentar el conjunto de herramientas para trabajar con archivos de datos en Python. Completando lo visto para archivos CSV y JSON que se han visto en entradas anteriores.
Imágenes: Pixabay (Pexels)
consulta, cuando ejecuto este paso df.to_excel(‘example.xlsx’, sheet_name=’example’) no me genera el archivo excel en que ruta se guarda?
Al indicar solamente el nombre del archivo, no una ruta absoluta, este se guardará en la carpeta de trabajo actual. La carpeta en la que se está ejecutando Python se puede obtener con
os.getcwd(). Es decir, se puede usar el siguiente código para obtener la ruta:Hola Daniel, gracias por tu aporte en relación con el uso de excel, lo estoy usando y me resulta leer y escribir pero si deseo escribir más de una hoja en el mismo archivo excel, uso la instrucción
df.to_excel(“archivo”, sheet:name=”hoja1″, index=False)
más de una vez, para agregar una hoja al archivo, sobreescribe el archivo y finalmente obtengo un archivo excel sólo con la última hoja que mandé a grabar, las otras se pierden.
¿Me puedes ayudar para solucionar este problema?
Muchas gracias de antemano.
Gracias, en esto casos hay que hacer un paso adiciona que es crear un objeto ExcelWriter para que no se sobrescriban los archivos. Por ejemplo, para guardar dos dataframees se puede hacer:
writer = pd.ExcelWriter('archivo.xlsx')df1.to_excel(writer, sheet_name="hoja1", index=False)
df2.to_excel(writer, sheet_name="hoja2", index=False)
writer.save()
writer.close()
Excelente!!! Me pasaba lo mismo! Gracias!
Hola Daniel! muchas gracias por tu aporte!
estoy aprendiendo y me cuesta cada cosa.. probé esas líneas que ponés, me hizo instalar un montón de cosas jeje pero pude ejecutar.. lo que no me funcionó y no entiendo por qué es la línea donde pones df2.to_excel… esa tuve que comentar,
luego sí me generó el archivo con información.. y esa info de dónde la saca??
otra cosita, quise agregar
import os
os.getcwd()
pero no se muestra nada.. o qué debo poner entre ()?
Muchas gracias y saludos!
En el ejemplo usamos la librería Pandas, por eso puede que fuese necesario instalar algunas cosas. Una librería que facilita mucho el manejo de tablas de datos.
En cuanto a las preguntas en las variables
dfse guardan objetos DataFrame de Pandas que son objetos en los que se guardan los datos, de ahí salen los datos. Por otro lado, el error puede ser debido a varias causas, como que la carpeta donde se inicio el proceso ya no exista. Pero es complicado saberlo sin el error en concreto.Estimado
Como puedo Importe varios archivos de Excel en python y concatenelos en un marco de datos.
Mi ruta es la siguiente:
D:\1.2 CARPETAS PARA REPORTES\Totaten x años\2020
Mi carpeta 2020 tiene los siguientes archivos:
Enero 2020
febrero 2020
marzo 2020
Cada archivo excel tiene dos o mas hojas ejemplo
HS_T7T5TEN_20200301_20200331 1
HS_T7T5TEN_20200301_20200331 2
HS_T7T5TEN_20200301_20200331 3
Quisiera unificar todos estos archivos en uno solo por favor
Para trabajar con múltiples hojas hay que hacer unos pasos adicionales que se explican en esta entrada.
Gracias, es de mucha ayuda su aporte. Le hago una consulta, tengo un bucle anidado y guardo los valores que genera en una lista; debo exportar a un excel sólo algunas variables de esa lista. Cómo puedo hacer para para exportar algunas partes de una lista?
Desde ya gracias y saludos!
Hay varias maneras, se pueden seleccionar los elementos de la lista o convertir esta a un DataFrame y utilizar los métodos iloc o loc.