### 如何使用Python的pandas库读取XLS和CSV文件 #### 读取CSV文件 在Python中，`pandas`库提供了强大的功能来处理数据文件。要读取CSV文件，可以使用`pd.read_csv()`函数[^2]。该函数允许用户从指定路径加载CSV文件，并将其转换为DataFrame对象。以下是一个示例代码： ```python import pandas as pd # 读取CSV文件 data = pd.read_csv('文件路径.csv', encoding='utf-8') print(data) ``` 上述代码中，`encoding='utf-8'`参数指定了文件的编码格式，确保正确读取包含特殊字符的数据[^2]。 #### 读取XLS/XLSX文件 对于Excel文件（如XLS或XLSX），可以使用`pd.read_excel()`函数[^1]。此函数能够将Excel文件中的数据加载到DataFrame对象中。下面是一个示例代码： ```python import pandas as pd # 读取XLSX文件 data = pd.read_excel('文件路径.xlsx', index_col=0) print(data) ``` 在此代码中，`index_col=0`参数表示将Excel文件的第一列作为DataFrame的索引列[^1]。 #### 批量读取多个CSV文件 如果需要批量读取多个CSV文件并合并成一个DataFrame，可以结合`os`模块遍历文件夹中的所有CSV文件。以下是一个示例代码： ```python import os import pandas as pd # 定义文件夹路径 path = '文件夹路径' all_files = [f for f in os.listdir(path) if f.endswith('.csv')] # 读取所有CSV文件并合并 df_list = [] for filename in all_files: df = pd.read_csv(os.path.join(path, filename), encoding='utf-8') df_list.append(df) combined_df = pd.concat(df_list, ignore_index=True) print(combined_df) ``` #### 自定义数据读取行为 在读取文件时，可以通过传递额外参数来自定义数据读取行为。例如，可以使用`converters`参数对特定列的数据进行转换[^3]。以下是一个示例代码： ```python import pandas as pd # 将name列的数据转换为大写 df = pd.read_excel("文件路径.xlsx", converters={'name': lambda x: x.upper()}) print(df) ``` 通过这种方式，可以在读取文件的同时对数据进行初步处理，从而减少后续的数据清洗工作[^3]。 #### 注意事项 - 确保安装了`pandas`库以及相关的依赖项（如`openpyxl`用于读取XLSX文件）。可以使用以下命令安装必要的库： ```bash pip install pandas openpyxl ``` - 如果文件路径中包含中文或其他特殊字符，请确保正确设置编码参数以避免读取错误[^4]。