ExcelをPython（openpyxl）で操作する - PandasのDataFrameに変換

python
ExcelをPython（openpyxl）で操作する - PandasのDataFrameに変換
目次

以前、openpyxl を使ってExcelファイルの操作に関する記事をいくつか書きました。

今回はExcelのデータを Pandas のデータ形式に変換する方法を紹介します。

なぜ Pandas かというと、 Pandas によって、様々な データ分析のための処理を簡単に行える からです。

事前準備

モジュールのインストール

まずは必要なモジュールをインストールします。

pip install openpyxl pandas

サンプルデータの準備

次にサンプルデータを準備します。今回は以下のようなデータを持った sample.xlsx を作成します。

1行目にヘッダ行が ない 以下のような no_header シートと

no_header_sample_sheet

1行目にヘッダ行が ある 、 sample シートを準備します。

sample_sheet

openpyxl から PandasのDataFrameへ変換

では早速、openpyxl でシートのデータを読み取り、 DataFrame に変換しましょう。

DataFrame は、Pandas 上で2次元のデータを表す場合に使います。 Excelのデータは行と列の2次元データなので、openpyxl の Worksheet オブジェクトを DataFrame オブジェクトに変換するイメージです。

ヘッダー行なしデータの場合

ヘッダー行のないシートの場合には、 DataFrame に ws.values を渡すだけでできます。

 1from openpyxl import load_workbook
 2import pandas as pd
 3
 4# ワークブックを読み込む
 5wb = load_workbook('sample.xlsx')
 6# no_headerシートにアクセスする
 7ws = wb['no_header']
 8
 9# value値をDataFrameに変換
10df = pd.DataFrame(ws.values)

変換できているか確認してみましょう。

1# DataFrame内の最初の3行のみ表示
2df.head(3)
012
01小林男
12田中女
23鈴木男

ヘッダー行がないので、列番号がヘッダーとして表示されます。

ヘッダー行ありデータの場合

ヘッダー行ありのデータの場合には少し、処理を追加する必要があります。 DataFrame 作成時に columns オプションを指定することで、カラム名を与える事ができます。

このとき、 columns オプションに与える配列の長さ（=列の数）と、DataFrame 生成時の実体データの配列の長さ（=列の数）は 等しい必要があります。

 1from openpyxl import load_workbook
 2import pandas as pd
 3
 4wb = load_workbook('sample.xlsx')
 5ws = wb['sample']
 6
 7data = ws.values
 8# 最初の行をヘッダーとして取得する
 9columns = next(data)[0:]
10# 以降のデータからDataFrameを作成する
11df = pd.DataFrame(data, columns=columns)

同様に結果を見てみましょう。

1# DataFrame内の最初の3行のみ表示
2df.head(3)
ID名前性別
01小林男
12田中女
23鈴木男

きちんとヘッダー名も表示されました。

PandasでExcelファイルを読み込む

先程は openpyxl で読み込んだデータを DataFrame に変換しました。

実はこの操作は Pandas の read_excel 関数を使うことで同様の処理ができます。

内部的には xlrd や openpyxl に依存しているので、モジュールのインストールが必要です。

1pip install openpyxl pandas xlrd

以下のように read_excel 関数を呼び出すだけで完了です。

1import pandas as pd
2
3df = pd.read_excel('sample.xlsx', sheet_name='sample')
4df.head()

まとめ

Excelのデータを Pandas の DataFrame として扱う方法を紹介しました。 openpyxl の Worksheet オブジェクトから DataFrame へ変換する方法もあれば、Pandas の read_excel 関数を用いる方法もあります。

特にこだわりがないのであれば、 read_excel 関数を使った方がシンプルだと思います。