在正常情况下，我们使用大熊猫读取Excel数据，这些数据可以轻松地将数据转换为数据框架类型。但是，现实通常是非常骨干的。当我们遇到并非特别好的结构时，传统的熊猫阅读操作并不容易使用。今天，我们将研究非常规结构Excel数据的两个读物的两个示例。
本文中使用的测试内容如下：
该文件可以在文章末尾获得。
在正常情况下，当我们使用read_excel函数读取Excel数据时，我们默认情况下从A列中读取，但是对于某些Excel数据，通常从列ATO避免使用the Process Grocessing。
例如，以上Excel数据，如果我们直接读取read_excel（src_file），我们将获得以下结果：
我们得到了很多不需要的列和许多我们根本不需要的列
此时，我们可以指定通过用户验指定哪些列数据
您可以看到生成的数据帧仅包含我们需要的数据，而注释列和日期字段则被专门排除在外。
USECOL可以接受Excel列的范围，例如B：F，并仅读取这些列。标题参数需要定义标题列的整数。
我们还可以将列定义为数字列表
您还可以按列名选择所需的列数据
该方法在列的顺序上发生了变化，但列的名称非常有用。
最后，usecols也可以接受可可的功能
此功能将根据名称分析每一列，并且必须返回每列的true或false
当然，您也可以使用lambda表达式
在某些情况下，Excel中的数据可能更不确定。在我们的Excel数据中，我们有一个名为Ship_cost的表。
在这种情况下，我们可以直接使用OpenPyXL来解析Excel文件并将数据转换为PANDAS DataFrame
以下是使用OpenPyXl读取Excel文件的方法（安装后）：
检查所有页面页面，获取一个页面，并获取Excel范围数据
现在我们和我们知道已加载的数据范围，下一步是
这样，我们获得了干净的表数据。
好吧，今天的两个小知识要点将在这里共享，我们下次见！
微信技术公共帐户：萝卜霍奇普奇