锋哥一直推荐大家学习并使用python来处理日常工作，很多同学会问，同样excel和vba就能做自动化，有没有必要做得这么高大上？因为python中有非常多的资源库，可以上九天揽月，也可以下五洋捉鳖。这里就不讨论python的好处，有兴趣的朋友，我们一起来学习。
Pandas是python上面最受欢迎的结构化数据分析库了，表哥表姐能够把pandas中的一些常用功能熟悉起来，完全能够应付日常工作。我们今天开始来谈谈pandas的数据导入。
一、导入数据类型
平日能够接触到的外部数据主要是：xlsx，csv。而大家最为常用的是excel中的xlsx。在超过上万条数据时，pandas的读取xlsx的速度可能变慢，所以建议大家事先将xls或xlsx另存为“以逗号分隔的CSV”文件，这样，哪怕有几十万条数据，pandas也能给你一个满意的速度。
二、导入数据
（一）xlsx格式
df=pd.read_excel(r"文件路径及文件名",sheet_name="表格名称")
在read_excel()中，除了路径，sheet_name，之外还有其他参数可以使用。
1.指定行索引"index_col"，即指定哪一列作为索引，未指定时，行索引为0开始，即第一列作为索引，index_col=0
2.指定列索引"header"，说白了就是列表题，默认值为0，即header=0
3.指定导入列"usecols",xlsx可能有上百列几十万行，在使用数据时，没有必要把不需要的列导入进来拖延运算速度，usecols可以采用列序号或者列标题来指定，格式为usecols=[0,1]这里是表明只导入第一列和第二列的数据，或者采用传入列表题的方式如usecols=["姓名","学号"]
例：
df=pd.read_excel(r"C:\Users\lenovo\Desktop\表格.xlsx",sheet_name="Sheet1",usecols=["学号","名称"])
（二）CSV格式
导入csv和excel文件的方法如出一辙，使用read_csv导入，如果我们是通过excel把数据另存为csv的，分隔符号默认是","逗号，这里要谈到sep参数，如果分割符号是逗号，那么参数sep=","，如果分割符号是空格或者制表符，sep=" "或者sep="\t"，csv文件不像Excel表格那样存在多个sheet，所以在导入csv文件的时候，没有"sheet_name"这个参数。
例如：
在python中，使用得最多的两种编码格式是UTF-8和gbk，我们在导入时，如果不指定参数encoding，那么默认是采用UTF-8。在excel另存为csv文件时，如果选择保存的文件格式为"CSV逗号分隔"，那么文本编码为gbk，如果保存的文件格式为"CSV UTF-8(逗号分隔)"，那么文本编码为UTF-8。若文本编码为gbk，那么在read_csv中，需要加入参数encoding="utf-8"