当前位置: 首页 > news >正文

Excel处理控件Aspose.Cells教程:使用Python将 Excel 转换为 NumPy

使用 Python 处理 Excel 数据非常常见。这通常涉及将数据从 Excel 转换为可高效操作的形式。将 Excel 数据转换为可分析的格式可能非常棘手。在本篇教程中,您将学习借助强大Excel处理控件Aspose.Cells for Python,如何仅用几行代码将 Excel 转换为 NumPy 数组。

为什么选择 NumPy?

NumPy(数值 Python)是一个开源 Python 库。它是 Python 数据科学和机器学习的支柱。NumPy 提供快速的数组操作和高效的数值计算。它可以与 Pandas、TensorFlow 和 scikit-learn 流畅协作。该库支持多维数组、矩阵、线性代数和傅里叶变换。数组使用连续内存,因此比 Python 列表更快。如此高的速度使 NumPy 成为科学计算和数据分析的核心工具。

Excel 广泛用于存储数据集,但它并未针对 Python 工作流程进行优化。传统的转换方法通常需要额外的库、多个步骤以及手动解析。Aspose.Cells 允许您将数据从Excel、TSV、CSV和JSON格式直接导出到 NumPy 数组。这将电子表格与 Python 的数值工具连接起来。

什么是 Aspose.Cells for Python?

Aspose.Cells是面向 Python 开发人员的最佳 Excel 库。它允许读取、创建和操作电子表格,而无需依赖 Microsoft Excel。通过 .NET 的 Python 版本嵌入了 Aspose.Cells 的 .NET 版本并将其公开给 Python。Aspose.Cells 简化了 Excel 到 NumPy 的转换过程。它允许您将整个工作簿、工作表、范围、行、列,甚至列表对象直接导出到 NumPy ndarray 中。这意味着您可以轻松将原始 Excel 文件转换为干净、可立即使用的数据,用于分析或机器学习。

Aspose.Cells官方试用版免费下载

您可以从 PyPI 安装它:

pip install aspose‑cells‑python

安装完成后,将该库与 NumPy 一起导入:

import aspose.cells as cells
import numpy as np

如何将 Excel 工作簿转换为 NumPy

一个工作簿可能包含多个工作表。您可以一次性将整个 Excel 工作簿导出为 NumPy ndarray。当您想直接在 Python 中处理所有工作表的数据时,这非常方便。

按照以下步骤将 Excel 工作簿转换为 NumPy ndarray:

  1. 使用该类加载 Excel 工作簿Workbook。
  2. 从工作簿访问所有工作表。
  3. 循环遍历每个工作表以读取其使用的行和列。
  4. 逐行提取单元格值。
  5. 将每张表的数据存储到列表列表中。
  6. 使用 np.asarray() 将收集的数据转换为 NumPy ndarray。

以下是导出示例工作簿的简化 Python 脚本:

import aspose.cells as cells
import numpy as np# load workbook
workbook = cells.Workbook("sample_data.xlsx")
sheets = workbook.worksheets# prepare an empty list to hold sheet data
sheets_data = []# loop through worksheets
for sheet in sheets:# sheet = workbook.worksheets.get(sheet_index)sheet_cells = sheet.cellsmax_row = sheet_cells.max_data_row + 1  # number of populated rowsmax_col = sheet_cells.max_data_column + 1  # number of populated columnssheet_rows = []for r in range(max_row):row_values = []for c in range(max_col):cell = sheet_cells.check_cell(r, c)row_values.append(cell.value if cell else "")sheet_rows.append(row_values)sheets_data.append(sheet_rows)# convert to ndarray with dtype=object to preserve strings
excel_array = np.asarray(sheets_data, dtype=object)
print(excel_array)

如何将 Excel 工作簿转换为 NumPy

此脚本将所有空白单元格替换为空字符串,并将所有工作表合并为一个 NumPy 数组。最终的 excel_array 是三维的:第一层代表工作表,第二层代表行,第三层代表列。

[[['City', 'Region', 'Store'],['Chicago', 'Central', '3055'],['New York', 'East', '3036'],['Detroit', 'Central', '3074']],[['City2', 'Region2', 'Store3'],['Seattle', 'West', '3000'],['philadelph', 'East', '3082'],['Detroit', 'Central', '3074']],[['City3', 'Region3', 'Store3'],['Seattle', 'West', '3166'],['New York', 'East', '3090'],['Chicago', 'Central', '3055']]]

将单个工作表转换为 NumPy

有时,您可能希望使用单个工作表而不是整个工作簿。您可以按照以下步骤直接提取一个工作表的单元格值并将其转换为 NumPy ndarray:

  1. 将类加载到 Excel 文件Workbook。
  2. 通过索引访问目标工作表。
  3. 获取最大使用的行数和列数。
  4. 循环遍历每一行和每一列来收集单元格值。
  5. 将提取的数据存储在列表中。
  6. 使用 np.asarray() 将列表转换为 NumPy ndarray。

以下是导出单个工作表的 Python 脚本:

import aspose.cells as cells
import numpy as np# load workbook
workbook = cells.Workbook("sample_data.xlsx")# access the first worksheet
sheet = workbook.worksheets[0]# get max rows and columns with data
max_row = sheet.cells.max_data_row + 1
max_col = sheet.cells.max_data_column + 1# extract data
rows = []
for r in range(max_row):row_values = []for c in range(max_col):cell = sheet.cells.check_cell(r, c)row_values.append(cell.value if cell else "")rows.append(row_values)# convert to numpy ndarray
worksheet_array = np.asarray(rows, dtype=object)
print(worksheet_array)

这将创建一个 2D ndarray,其中行映射到 Excel 行,列映射到 Excel 列。

[['City' 'Region' 'Store']    ['Chicago' 'Central' '3055'] ['New York' 'East' '3036']   ['Detroit' 'Central' '3074']]

如何将 Excel 数据转换为 NumPy 数据

在某些情况下,您只需要特定范围的单元格。Aspose.Cells 允许您定义一个范围并将其直接导出到 NumPy ndarray。

请按照以下步骤操作:

  1. 将类加载到工作簿中Workbook。
  2. 选择目标工作表。
  3. 使用该方法定义一个范围worksheet.cells.create_range()。
  4. 循环遍历范围的行和列来提取值。
  5. 使用 np.asarray() 将值转换为 NumPy ndarray。

以下代码示例显示如何将一系列单元格从 Excel 转换为 NumPy ndarray:

import aspose.cells as cells
import numpy as np# load workbook
workbook = cells.Workbook("sample_data.xlsx")# select first worksheet
sheet = workbook.worksheets.get(0)# define a range (B1 to C3)
cell_range = sheet.cells.create_range("B1", "C3")# extract data from range
range_data = []
for r in range(cell_range.row_count):row_values = []for c in range(cell_range.column_count):cell = sheet.cells.check_cell(r, c)row_values.append(cell.value if cell else "")range_data.append(row_values)# convert to numpy ndarray
range_array = np.asarray(range_data, dtype=object)
print(range_array)

如果选定范围覆盖两列三行,则生成的数组将为 3×2,例如:

[['City' 'Region']['Chicago' 'Central']['New York' 'East']]

将 Excel 表(ListObject)转换为 NumPy

Excel 表格是包含标题和行的结构化数据区域。在 Aspose.Cells 中,它以 ListObject 的形式表示。您可以轻松地将 Excel 表格的内容导出到 NumPy ndarray 中,以便在 Python 中进一步处理。

  1. 加载工作簿并选择工作表。
  2. 从工作表访问 ListObject(Excel 表)。
  3. 将表的数据导出到二维数组中。
  4. 将数组转换为 NumPy ndarray。
  5. 使用 ndarray 进行数据科学或机器学习工作流程。

以下代码示例显示如何将 Excel 表(ListObject)导出到 NumPy:

import aspose.cells as cells
import numpy as np# Load Excel file
workbook = cells.Workbook("sample_data.xlsx")
sheet = workbook.worksheets.get(0)# Create a table covering A1:C4 with headers
index = sheet.list_objects.add("A1", "C4", True)
table = sheet.list_objects[index]rows = []
for r in range(table.start_row, table.end_row + 1):row_vals = []for c in range(table.start_column, table.end_column + 1):cell = sheet.cells.check_cell(r, c)row_vals.append(cell.value if cell else "")rows.append(row_vals)list_object_array = np.asarray(rows, dtype=object)
print(list_object_array)

生成的 NumPy ndarray 将包含 Excel 表的行和列,如果它们是数据范围的一部分,则包括标题。

[['City', 'Region', 'Store'],['Chicago', 'Central', '3055'],['New York', 'East', '3036'],['Detroit', 'Central', '3074']]

如何将 Excel 中的一行数据转换为 NumPy 格式

有时您只需要 Excel 中一行的数据。Aspose.Cells 可以轻松提取一行并将其直接加载到 NumPy ndarray 中。

  1. 加载 Excel 工作簿。
  2. 选择工作表。
  3. 选择要导出的行索引。
  4. 将行值导出为数组。
  5. 将数组转换为 NumPy ndarray 进行处理。

以下 Python 代码显示如何将 Excel 表的一行转换为 NumPy ndarray:

import aspose.cells as cells
import numpy as np# Load Excel file
workbook = cells.Workbook("sample_data.xlsx")
sheet = workbook.worksheets.get(0)
sheet_cells = sheet.cellsmax_col = sheet_cells.max_data_column + 1# choose a row (e.g., last data row)
row_index = sheet_cells.max_data_row
row_vals = []
for c in range(max_col):cell = sheet_cells.check_cell(row_index, c)row_vals.append(cell.value if cell else "")row_array = np.asarray(row_vals, dtype=object)
print(row_array)

生成的 NumPy ndarray 将是一个一维数组,包含所选行的所有值。

['Detroit' 'Central' 3074]

将 Excel 列转换为 NumPy

在某些情况下,您可能只需要 Excel 工作表单列中的值。Aspose.Cells 可让您轻松导出该列并将其转换为 NumPy ndarray。

  1. 加载 Excel 工作簿。
  2. 选择目标工作表。
  3. 选择要导出的列索引。
  4. 导出列值。
  5. 将值转换为 NumPy ndarray。

以下 Python 代码显示如何将 Excel 表的列转换为 NumPy ndarray:

import aspose.cells as cells
import numpy as np# Load Excel file
workbook = cells.Workbook("D:\\Files\\sample_data.xlsx")
sheet = workbook.worksheets.get(0)
sheet_cells = sheet.cells
max_row = sheet_cells.max_data_row + 1# choose a column (e.g., last data column)
col_index = sheet_cells.max_data_column
col_vals = []
for r in range(max_row):cell = sheet_cells.check_cell(r, col_index)col_vals.append(cell.value if cell else "")column_array = np.asarray(col_vals, dtype=object)
print(column_array)

生成的 NumPy ndarray 将是一个包含所选列的所有值的一维数组。

['Store' 3055 3036 3074]

使用 Aspose.Cells 和 NumPy 的技巧

  • 内存注意事项:将非常大的工作簿转换为 NumPy 数组可能会消耗大量内存。请单独处理工作表,或尽可能读取特定范围的数据。

  • 数据类型:如果您的电子表格包含混合类型(字符串、数字、日期),请在将列表转换为 NumPy 数组时指定 dtype=object。对于同质数值数据,您可以让 NumPy 推断其类型。

  • 缺失值:Aspose.Cells 对于空单元格返回 None。在上面的示例中,我们用空字符串替换了它们。您也可以根据具体情况,用 np.nan 或其他标记值替换它们。

结论

Aspose.Cells for Python via .NET 简化了 Excel 数据到 NumPy 数组的转换。无论您需要的是整个工作簿、单个工作表、特定区域、表格、行还是列,该库都提供了清晰的方法来遍历单元格并构建 NumPy 可以使用的列表。通过将 Aspose.Cells 读取多种电子表格格式的能力与 NumPy 的数值计算能力相结合,您可以将 Excel 数据无缝集成到您的 Python 数据管道中。

http://www.dtcms.com/a/344488.html

相关文章:

  • AWS OpenSearch 是什么
  • 复合设计模式
  • 阿里云详解:与 AWS、GCP 的全方位比较
  • openEuler系统中home文件夹下huawei、HwHiAiUser、lost+found 文件夹的区别和作用
  • 农业-学习记录
  • vue中监听页面滚动位置
  • Playwright进阶指南 (5):拦截与模拟网络请求
  • 【LLMs篇】19:vLLM推理中的KV Cache技术全解析
  • SymPy 中抽象函数的推导与具体函数代入
  • 《器件在EMC中的应用》---磁珠在EMC中的应用
  • 一次性密码(OTP)原理及应用
  • 解决 PyTorch 导入错误:undefined symbol: iJIT_NotifyEvent
  • 数据结构之深入探索快速排序
  • Spring Start Here 读书笔记:第10章 Implementing REST services
  • vue vxe-gantt 甘特图自定义任务条样式模板 table 自定义插槽模板
  • 云手机是依靠哪些技术运行的?
  • Shell脚本源码安装Redis、MySQL、Mongodb、PostgreSQL(无报错版)
  • 遥感机器学习入门实战教程|Sklearn案例⑥:网格搜索与超参数优化
  • Logstash——性能、可靠性与扩展性架构
  • Python爬虫实战:构建古籍抄本数据采集分析系统
  • 实验二 Cisco IOS Site-to-Site Pre-share Key
  • LeetCode第55题 - 跳跃游戏
  • GitHub 热榜项目 - 日榜(2025-08-22)
  • 解析三品汽车零部件PLM系统解决方案:如何助力行业解决研发管理难题
  • Curity CTO 深度解析:AI 智能体正让我们“梦游”般陷入安全危机
  • 车载中控:汽车的数字大脑与交互核心
  • 第五章:Leaflet 进阶:高德地图交互与事件处理全解析
  • git回滚相关命令指南
  • 机器学习概述:从零开始理解人工智能的核心技术
  • 树莓派安装pyqt5 opencv等库一些问题