{ "cells": [ { "cell_type": "markdown", "metadata": { "id": "p9MOL5nHLdx0" }, "source": [ "# Cartilha lendo arquivos excel com pandas" ] }, { "cell_type": "code", "execution_count": 1, "metadata": { "id": "ShpeDtvfLdx2" }, "outputs": [], "source": [ "import pandas as pd" ] }, { "cell_type": "markdown", "metadata": { "id": "EXlWsOY5Ldx4" }, "source": [ "## Leitura \"padrão\":" ] }, { "cell_type": "code", "execution_count": 2, "metadata": { "id": "oae3ejBSLdx6", "outputId": "e32e7323-1e42-4ca2-ecf7-452b8cf5f15d" }, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
VendedorVendas
0Daniel625
1João594
2Natália650
3Henrique862
4Lira452
5Paula139
6Paulo175
7Gabriela293
8Kicia529
9Diego507
10Alon705
\n", "
" ], "text/plain": [ " Vendedor Vendas\n", "0 Daniel 625\n", "1 João 594\n", "2 Natália 650\n", "3 Henrique 862\n", "4 Lira 452\n", "5 Paula 139\n", "6 Paulo 175\n", "7 Gabriela 293\n", "8 Kicia 529\n", "9 Diego 507\n", "10 Alon 705" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "df = pd.read_excel(\"arquivo.xlsx\")\n", "display(df)" ] }, { "cell_type": "markdown", "metadata": { "id": "TAJ4llmGLdx7" }, "source": [ "## Lendo uma planilha(\"aba\") específica:" ] }, { "cell_type": "code", "execution_count": 3, "metadata": { "id": "vX_bj1wlLdx8", "outputId": "61538395-58af-44ba-83e6-db65293669f7" }, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
LojaVendas
0Niterói625
1Curitiba594
2Rio de Janeiro650
3São Paulo862
4Cuiabá452
5Palmas139
6Teresina175
7Recife293
8Santa Catarina529
9Manaus507
10Belo Horizonte705
\n", "
" ], "text/plain": [ " Loja Vendas\n", "0 Niterói 625\n", "1 Curitiba 594\n", "2 Rio de Janeiro 650\n", "3 São Paulo 862\n", "4 Cuiabá 452\n", "5 Palmas 139\n", "6 Teresina 175\n", "7 Recife 293\n", "8 Santa Catarina 529\n", "9 Manaus 507\n", "10 Belo Horizonte 705" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "df = pd.read_excel(\"arquivo.xlsx\", sheet_name=\"Planilha2\")\n", "display(df)" ] }, { "cell_type": "markdown", "metadata": { "id": "EWg9GohrLdx9" }, "source": [ "## Lendo uma planilha(\"aba\") específica, com índice da aba:" ] }, { "cell_type": "code", "execution_count": 4, "metadata": { "id": "Z0_vnA1NLdx9", "outputId": "c84e0b29-0d0b-40f6-a891-b3c97ee3fa1d" }, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
LojaVendas
0Niterói625
1Curitiba594
2Rio de Janeiro650
3São Paulo862
4Cuiabá452
5Palmas139
6Teresina175
7Recife293
8Santa Catarina529
9Manaus507
10Belo Horizonte705
\n", "
" ], "text/plain": [ " Loja Vendas\n", "0 Niterói 625\n", "1 Curitiba 594\n", "2 Rio de Janeiro 650\n", "3 São Paulo 862\n", "4 Cuiabá 452\n", "5 Palmas 139\n", "6 Teresina 175\n", "7 Recife 293\n", "8 Santa Catarina 529\n", "9 Manaus 507\n", "10 Belo Horizonte 705" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "df = pd.read_excel(\"arquivo.xlsx\", sheet_name=1)\n", "display(df)" ] }, { "cell_type": "markdown", "metadata": { "id": "XOuFk1RsLdx_" }, "source": [ "## Selecionando as colunas, pelo índice:" ] }, { "cell_type": "code", "execution_count": 8, "metadata": { "id": "RZHrk1NlLdyA", "outputId": "055b4139-642d-460b-c276-b299287887af" }, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
VendedorVendas
0Daniel625
1João594
2Natália650
3Henrique862
4Lira452
5Paula139
6Paulo175
7Gabriela293
8Kicia529
9Diego507
10Alon705
\n", "
" ], "text/plain": [ " Vendedor Vendas\n", "0 Daniel 625\n", "1 João 594\n", "2 Natália 650\n", "3 Henrique 862\n", "4 Lira 452\n", "5 Paula 139\n", "6 Paulo 175\n", "7 Gabriela 293\n", "8 Kicia 529\n", "9 Diego 507\n", "10 Alon 705" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "df = pd.read_excel(\"arquivo.xlsx\", sheet_name=\"Planilha3\",usecols=[0,1])\n", "display(df)" ] }, { "cell_type": "markdown", "metadata": { "id": "E8xU_5PxLdyB" }, "source": [ "## Selecionando as colunas, pelo \"nome da coluna\":" ] }, { "cell_type": "code", "execution_count": 26, "metadata": { "id": "vHVhuv_-LdyC", "outputId": "69ca0750-a6f5-465d-e785-2cac272ce84e" }, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
VendedorUnnamed: 2Unnamed: 3
0DanielNaNNaN
1JoãoNaNNaN
2NatáliaNaNNaN
3HenriqueNaNNaN
4LiraNaNNaN
5PaulaNaNNaN
6PauloNaNNaN
7GabrielaNaNNaN
8KiciaNaNNaN
9DiegoNaNNaN
10AlonNaNNaN
\n", "
" ], "text/plain": [ " Vendedor Unnamed: 2 Unnamed: 3\n", "0 Daniel NaN NaN\n", "1 João NaN NaN\n", "2 Natália NaN NaN\n", "3 Henrique NaN NaN\n", "4 Lira NaN NaN\n", "5 Paula NaN NaN\n", "6 Paulo NaN NaN\n", "7 Gabriela NaN NaN\n", "8 Kicia NaN NaN\n", "9 Diego NaN NaN\n", "10 Alon NaN NaN" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "df = pd.read_excel(\"arquivo.xlsx\", sheet_name=\"Planilha3\",usecols=\"A,C:D\")\n", "display(df)" ] }, { "cell_type": "markdown", "metadata": { "id": "yoxK8P8qLdyD" }, "source": [ "## Buscando todas as informações de um arquivo:" ] }, { "cell_type": "code", "execution_count": 10, "metadata": { "id": "zqd0Jc9mLdyD", "outputId": "0ca2f38c-54c5-4e89-f640-8adfbf9ae176" }, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
VendedorVendas
0Daniel625
1João594
2Natália650
3Henrique862
4Lira452
5Paula139
6Paulo175
7Gabriela293
8Kicia529
9Diego507
10Alon705
\n", "
" ], "text/plain": [ " Vendedor Vendas\n", "0 Daniel 625\n", "1 João 594\n", "2 Natália 650\n", "3 Henrique 862\n", "4 Lira 452\n", "5 Paula 139\n", "6 Paulo 175\n", "7 Gabriela 293\n", "8 Kicia 529\n", "9 Diego 507\n", "10 Alon 705" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "# Lê a primeira planilha\n", "df = pd.read_excel(\"arquivo.xlsx\", sheet_name=None)\n", "display(df['Planilha1'])" ] }, { "cell_type": "markdown", "metadata": { "id": "GT2dltwzLdyE" }, "source": [ "## Buscando informações de uma tabela fora da célula \"A1\":" ] }, { "cell_type": "code", "execution_count": 21, "metadata": { "id": "7PlCuG5rLdyF", "outputId": "a95fb8e4-fd9a-49ff-bf25-d2070f2f92f4" }, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
VendedorVendas
0Daniel625
1João594
2Natália650
3Henrique862
4Lira452
5Paula139
6Paulo175
7Gabriela293
8Kicia529
9Diego507
10Alon705
\n", "
" ], "text/plain": [ " Vendedor Vendas\n", "0 Daniel 625\n", "1 João 594\n", "2 Natália 650\n", "3 Henrique 862\n", "4 Lira 452\n", "5 Paula 139\n", "6 Paulo 175\n", "7 Gabriela 293\n", "8 Kicia 529\n", "9 Diego 507\n", "10 Alon 705" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "# Planilha 3 (quarta) a partir da linha 7 (1 excel = 0), exibe colunas 6 e 7 (A = 0)\n", "df = pd.read_excel(\"arquivo.xlsx\", sheet_name=3,skiprows=7,usecols=[6,7])\n", "display(df)" ] }, { "cell_type": "markdown", "metadata": { "id": "p56kezyHLdyG" }, "source": [ "## Buscando apenas as informações desejadas:" ] }, { "cell_type": "code", "execution_count": 27, "metadata": { "id": "GiDeEag-LdyG", "outputId": "b027c313-d2e2-4271-8ed8-f7944c222547" }, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
VendedorVendas
0Daniel625
1João594
2Natália650
3Henrique862
4Lira452
5Paula139
6Paulo175
7Gabriela293
8Kicia529
9Diego507
10Alon705
\n", "
" ], "text/plain": [ " Vendedor Vendas\n", "0 Daniel 625\n", "1 João 594\n", "2 Natália 650\n", "3 Henrique 862\n", "4 Lira 452\n", "5 Paula 139\n", "6 Paulo 175\n", "7 Gabriela 293\n", "8 Kicia 529\n", "9 Diego 507\n", "10 Alon 705" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "# Planilha 4, lê 11 linhas\n", "df = pd.read_excel(\"arquivo.xlsx\", sheet_name=4, nrows=11)\n", "display(df)" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [] } ], "metadata": { "colab": { "collapsed_sections": [], "provenance": [ { "file_id": "14vb4_LzXT-AhYs95j9G4UAzf6Qh2pQnX", "timestamp": 1665359829469 } ] }, "kernelspec": { "display_name": "Python 3 (ipykernel)", "language": "python", "name": "python3" }, "language_info": { "codemirror_mode": { "name": "ipython", "version": 3 }, "file_extension": ".py", "mimetype": "text/x-python", "name": "python", "nbconvert_exporter": "python", "pygments_lexer": "ipython3", "version": "3.10.9" } }, "nbformat": 4, "nbformat_minor": 4 }