上面那篇文章中，初步介绍了一个文本文件的读取；接下来介绍另外一种常见的本地数据格式，那就是Excel电子表格，如果读者在学习或者工作中需要使用Python分析某个Excel表格数据，改如何完成第一个的数据读取呢？

1.Pandas模块中的read_excel

方法原型：

pd.read_excel(io,sheetname=0,header=0,skiprows=None,skipfooter=None,index_col=None,names=None,parse_cols=None,parse_date=False,

na_values=None,thousands=None,convert_float=True)

io:指定电子表格的具体路径

sheetname:指定需要读取电子表格中的第几个sheet，既可以传递整数也可以传递具体的Sheet名称

header：是否需要将数据集的第一行用作表头，默认为是需要的

skiprows：读取数据时，指定跳过的开始行数

skipfooter:读取数据时，指定跳过的末尾行数

index_col:指定哪些列用作数据框的行索引（标签）

names:如果原数据集中没有字段，可以通过该参数在数据读取时给数据框添加具体的表头 #如： ['Prod_Id','Prod_Name','Prod_Color','Prod_Price']  通过列表的                   形式

parse_cols：指定需要解析的字段

parse_dates:如果参数值为True,则尝试解析数据框的行索引；如果参数为列表，则尝试解析对应的日期列；如果参数为嵌套列表，则将某些列合并为日期列；

如果参数为字典，则解析对应的列（字典中的值），并生成新的字段名（字典中的键）

na_values:指定原始数据中哪些特殊值代表了缺失值

thousands：指定原始数据集中的千分位符        #同上篇

convert_float:默认将所有的数值型字段转换为浮点型字段

converters:通过字典的形式，指定某些列需要转换的形式 #用法：converters = {0:str}   第0列转换为字符型

例题：如有以下Excel表格以及数据

观察数据信息，发现以下几点需要注意到的

该数据集反映的是儿童类服装的产品信息。在读取数据是需要注意两点：

1.该表没有表头，如何读取数据的同时就设置好具体的表头；

2.数据集的第一列实际上是字符型的字段，如何避免数据读入时自动变成数值型字段

import pandas as pd

child_cloth = pd.read_excel(io = r'D:\data_test02.xlsx', header = None,
names = ['Prod_Id','Prod_Name','Prod_Color','Prod_Price'], converters = {0:str})
child_cloth