pandas可以用來處理多種存儲類型的數據，比如excel、csv、html、sql......查看pandas.read_XX方法可以看出。本文主要總結對excel的處理。pandas依賴處理Excel的xlrd等模塊，這些模塊安裝即可，不需要import。
1讀取
1.1多個sheet
import pandas as pd
a=pd.read_excel("3.xlsx",sheet_name=[1,2]) #獲取第2個和第3個sheet
c=a.values #獲取上述sheets所有數據，注意多個sheets時不能用head()方法
1.2單個sheet
import pandas as pd
a=pd.read_excel("3.xlsx",sheet_name="Top10") #或者寫成sheet_name=1，1表示index
b=a.head() #默認讀取上述sheet前5行的數據
c=a.values #獲取上述sheet所有數據，單個sheet也能用values方法
1.3獲取行列值、單元格值(
所有索引都不包含表頭)
import pandas as pd
a=pd.read_excel("3.xlsx",sheet_name=1)
#以下都秉承格式 a.ix[行,列]
cellvalue=a.ix[0,0] #表示單元格 第1行第1列的值
cellvalue=a.ix[0,'name'] #表示單元格 第1行列'name'的值
rowvalues=a.ix[0] #表示第1行的所有值，注意是表頭下面的第1行！a.ix[0] 等價 a.ix[0,:]
rowsvalues=a.ix[[0,1,3]]#表示第1、2、4行的所有值，注意嵌套列表！a.ix[[0,1,3]] 等價 a.ix[[0,1,3],:]
colvalues=a.ix[:,0] #表示第1列的所有值
colsvalues=a.ix[:,['name','score']] #表示列'name'和'score'的所有值
rangevalues=a.ix[[0,1,4],['name','score']] #表示 第1、2、5行~列'name'列'score' 區域的所有值
1.4 a.ix[0]和a.ix[0].values的返回格式不同
b=a.ix[1].values
print type(b)
輸出：《type 'numpy.ndarray'》
print b
輸出：[u'a2' u'N1' 99]
c=a.ix[1]
print type(c)
輸出：《class 'pandas.core.series.Series'》
print c
輸出：
name a2
grade N1
score 99
Name: 1, dtype: object
2寫存
import pandas as pd
a=pd.read_excel("3.xlsx",sheet_name=1) #讀取第2個sheet
a.ix[1,1]='123456' #賦值
a.to_excel('3-2.xlsx', sheet_name='num', index=False, header=True) #保存，sheet命名
上述代碼有2大弊端：
原sheet的range(3,2)區域內必須有值，否則報錯：cannot set by positional indexing with enlargement；
保存時僅生成被處理sheet，不需處理的sheet不會復制過來。excel同名會覆蓋原文件，極易造成sheet丟失。
如此看來，不如openpyxl庫好用。
3
相對路徑
train = pd.read_csv("data/train.csv")
注意不要寫成("/data/train.csv")或者其它。