問題：
利用pandas讀入數據時，經常是通過pd.read_excel(r'path.xlsx')但有時，可能只需要表格中的某些列，當讀入整張表格后，再通過索引選取需要的列，例如某個數據處理過程可能只需要['班級', '姓名', '語文']這三列數據。
按以前的習慣代碼可能就寫成如下：
import pandas as pd
df = pd.read_excel(r'成績.xlsx')
new_df = df[['班級', '姓名', '語文']]其實可以通過設置pd.read_excel()的參數直接實現，這樣如果數據量很大時，還可以省下很多內存。（可通過sys模塊中getsizeof(o)查看對象所占內存)
import pandas as pd
df = pd.read_excel(r'成績.xlsx', usecols=range(3)) 在處理數據時，了解其自身參數，並充分利用，可以帶來一些好處，比如節省內存等等，那下面的介紹將從3個方面去介紹：
- 如何設置參數選取特定列
- 如何設置參數選取特定行
- 關於數據轉換的一些參數
1.usecols的取值可以是哪些類型？
usecols值可以為：（None, str , list, callable)
None：默認值，返回所有列
str：‘A:C' 或者 ’A,B,C' ，excel中所選取的列所對應的字母
df = pd.read_excel(r'成績.xlsx', usecols='A:C'**) list：可以為列數的集合或者列名的集合
df = pd.read_excel(r'成績.xlsx', usecols=[0,1,2]**)df = pd.read_excel(r'成績.xlsx', usecols=['班級', '姓名', '語文']**)
callable：函數，返回列名符合某些條件的那些列，比如返回**列名**中包含語文和數學的那些列
df = pd.read_excel(r'成績.xlsx', usecols=lambda x: x in ['班級', '姓名', '語文']) # 有點類似apply的意思備注：0.24版本之前，int：表示選取前**int+1**列，0.24之后被舍棄了，可以用[0,1,2,..,int]或者range(0, int+1)
2. 了解完了選取某些列之外，那關於如何選取某些行的參數有3個：
nrows： int，表示選取前n行
df = pd.read_excel(r'成績.xlsx', nrows=1)skipfooter：int，表示從最后一行開始，不讀取n行
df = pd.read_excel(r'成績.xlsx', skipfooter=2) # 表示skiprows: list-like，表示不讀取某些行
df = pd.read_excel(r'成績.xlsx', skiprows=range(1, 100, 2)) # 只讀取偶數行3.除了以上關於行或列的操作，還有一些數據轉換的參數：
dtype: 轉換某些列的數據類型
type_name: 設置所有的列為type_name，若出現不能轉換的類型，會報錯；
df = pd.read_excel(r'成績.xlsx', dtype=int) # 會報錯，因為不能將字符串轉換成int字典：{col _ name: type _ name,...}
df = pd.read_excel(r'成績.xlsx', dtype={'班級': str, '數學': float})convert_float：是否將float類型的整型（20.00）轉換成int類型（20），默認值為True
備注：若某列數字包含真正的浮點數比如（20.01）,那么該列將不會被轉換(參考下圖）
df = pd.read_excel(r'成績.xlsx', convert_float=True)
df = pd.read_excel(r'成績.xlsx', convert_float=False)
parse_dates與date_parser：通過設置parse_dates參數，可以在數據讀入的時候將字符串格式的數據轉換成日期格式；而date_parser參數則是進行日期轉換的引擎（或者叫函數）
parse_dates:
布爾值：值為True，解析index列
列表：列名或者列數--['col_name','col_name',..] or ['col_num1, col_num2,...] ,同時將多列字符串格式轉換成日期格式
列表：列表的列表 ---[['col_name','col_name2']] or [['col_num','col_num2']],將列表中的多列，合並一個日期格式
字典：{'str': ['col_name','col_name2',..]} 為新合並的日期列指定一個新的列名'col_name'
date_parser:function，默認調用dateutil.parser.parser 進行解析日期，具體解析哪些列取決於parse_dates指定的參數。因為此值可以為函數，所以可以進行自定義。
例如：如下格式的日期，利用data_parser的默認值並不能進行成功轉換，所以可以date_parser 結合 pd.to_datetime()進行定義函數可以進行轉換
df = pd.read_excel(r'日期.xlsx', parse_dates=['date'], date_parser=lambda x: pd.to_datetime(x, format='%Y%m')converters: 當然了，上述日期轉換也可以通過設置converters也可以實現：converters意思就是將某個函數應用到某列上。
df = pd.read_excel(r'日期.xlsx', sheet_name='Sheet1', converters={'date': lambda x: pd.to_datetime(x, format='%Y%m')})至此，本篇文章涉及到了以下幾個方面：
- 如何選取某些特定的列，其所用到的參數為:usecols
- 如何選取某些特定的行，其所用到的參數為: skipfooter, skiprows, nrows
- 數據格式的設定：dtype 與 convert_float
- 日期格式的轉換: parse_dates 與 date_parser
- 某些特定列的各種轉換：converters(包括日期，數據類型等）
關於pd.read_excel()其他的參數您可以參考：
如果您有任何問題，歡迎與我進行交流！