Đọc dữ liệu từ file Excel và chuyển đổi chúng thành DataFrame

1. Các phương pháp cơ bản làm việc với file Excel trong pandas

Đọc dữ liệu bằng read_excel

Để bắt đầu làm việc với file Excel, điều đầu tiên bạn cần làm là cài đặt pandas và openpyxl, nếu bạn chưa cài. Hai thư viện này giống như đôi giày cũ đáng tin cậy — không có chúng thì bạn sẽ không thể bước vào thế giới phân tích dữ liệu.

pip install pandas openpyxl

Giờ đây chúng ta đã sẵn sàng để "xử lý" bảng tính. pandas cung cấp một phương pháp đơn giản và tiện lợi read_excel, giúp tải dữ liệu từ file Excel vào DataFrame — định dạng tiêu chuẩn của dữ liệu trong pandas.

import pandas as pd

# Đọc dữ liệu từ file Excel
data = pd.read_excel('example.xlsx')

# Hiển thị 5 dòng đầu tiên của DataFrame
print(data.head())

Thế là xong! Chúng ta đã đọc dữ liệu từ file Excel và chuyển đổi chúng thành DataFrame. Chỉ trong vài mili giây, dữ liệu đã xuất hiện trước mắt chúng ta thay vì phải mở Excel.

Các tham số đọc dữ liệu

Phương pháp read_excel hỗ trợ nhiều tham số, giúp bạn đọc dữ liệu từ một sheet cụ thể, từ một phạm vi ô nhất định hoặc với định dạng dữ liệu xác định.

• sheet_name: Chỉ định tên sheet hoặc chỉ số của nó (bắt đầu từ 0) mà bạn muốn đọc. Ví dụ, sheet_name='Lá1' hoặc sheet_name=0.
• usecols: Cho phép chọn những cột cụ thể mà bạn muốn nhập. Ví dụ, usecols="A:C", để chọn chỉ ba cột đầu tiên.
• skiprows: Cho phép bỏ qua N dòng đầu tiên trong file. Cực kỳ hữu ích khi bạn cần bỏ qua tiêu đề hoặc dữ liệu không cần thiết ở phần đầu.

# Đọc dữ liệu từ một sheet cụ thể và chọn các cột
data_filtered = pd.read_excel('example.xlsx', sheet_name='Lá1', usecols="A:C", skiprows=2)

2. Chuyển đổi dữ liệu sang DataFrame

DataFrame là gì?

DataFrame giống như bộ vi mạch của robot hút bụi vậy: vẻ ngoài có thể trông đơn giản (đúng thế, chỉ là bảng thôi), nhưng chính nhờ nó mà robot biết đường di chuyển, còn DataFrame biết cách lưu trữ và xử lý dữ liệu.

DataFrame trong pandas là một cấu trúc dữ liệu hai chiều có nhãn theo hàng (index) và cột. Khác với danh sách hoặc mảng NumPy trong Python, DataFrame cho phép bạn làm việc với dữ liệu như một bảng trong cơ sở dữ liệu hoặc Excel.

Các thao tác cơ bản với DataFrame

Một trong những tính năng tuyệt vời nhất của DataFrame trong pandas là khả năng tương tác với dữ liệu rất đơn giản. Ví dụ, bạn có thể sắp xếp, lọc, hoặc chọn một phần tập hợp các hàng và cột.

Chọn cột

Việc chọn cột được thực hiện rất dễ dàng bằng tên cột. Hãy nhớ lại cách bạn nhấp vào tiêu đề cột trong Excel để chọn nó. Ở đây cũng vậy:

# Chọn một cột
dates = data['Ngày']

# Chọn nhiều cột
subset = data[['Tên', 'Lương']]

Chọn hàng

Nếu bạn cần truy cập các hàng, bạn có thể sử dụng iloc để lập chỉ mục và loc để làm việc với nhãn.

# Chọn hàng đầu tiên
first_row = data.iloc[0]

# Chọn các hàng dựa trên điều kiện
high_salary = data[data['Lương'] > 50000]

3. Ví dụ và thực hành

Giờ đây, khi chúng ta đã hiểu cơ bản về cách làm việc với dữ liệu trong DataFrame, hãy cùng thực hành một chút. Giả sử chúng ta có một file Excel data.xlsx với nhiều sheet, và chúng ta muốn lấy dữ liệu từ một sheet cụ thể, xử lý nó và xuất ra màn hình.

Bài tập thực hành

Nhiệm vụ của bạn: Viết một script để đọc dữ liệu từ file data.xlsx, chọn sheet Bán hàng và lọc các giao dịch có tổng số tiền lớn hơn 1000 đơn vị.

# Đọc dữ liệu từ sheet 'Bán hàng' và lọc dữ liệu
sales_data = pd.read_excel('data.xlsx', sheet_name='Bán hàng')
high_sales = sales_data[sales_data['Tổng tiền'] > 1000]

print(high_sales)

Bài tập này sẽ giúp bạn cảm nhận được sức mạnh của pandas và biến bạn thành một phù thủy dữ liệu. Chắc chắn không phải phép thuật thật sự, nhưng việc biến các bảng tính thành thông tin hữu ích — trong thế giới phân tích dữ liệu, đó là phép thuật thực sự!

4. Lỗi và các đặc điểm cần chú ý

Người mới thường quên những chi tiết nhỏ, như tên cột phân biệt chữ hoa chữ thường, hoặc việc pandas mặc định coi hàng đầu tiên là tiêu đề. Nếu dữ liệu của bạn khác, bạn có thể gặp lỗi. Hãy luôn kiểm tra tên cột sau khi tải file lên, sử dụng print(data.columns).

Một điểm quan trọng khác: nếu bạn đang cố gắng tải lên các file do các tập đoàn lớn tạo ra, dữ liệu trong đó có thể được mã hóa. pandas không thể giúp bạn ở đây, nhưng một tách cà phê đậm và nghỉ ngơi thì có thể!

Tất cả những kiến thức này sẽ giúp bạn tự động hóa công việc khi làm việc với dữ liệu từ Excel. Tự động hóa những quy trình đó không chỉ tiết kiệm thời gian mà còn loại bỏ những rắc rối liên quan đến việc sao chép và dán. Script Python của bạn sẽ trở thành trợ lý tự động, ngay lập tức chuẩn bị dữ liệu báo cáo.