import numpy as np
import pandas as pd
data = np.random.randint(1, 10, size=(10, 7))
# print(data)
index = range(data.shape[0])
columns = ['col1', 'col2', 'col3', 'col4', 'col5', 'col6', 'col7']
df = pd.DataFrame(data, index=index, columns=columns)
写表格
这里用df.to_excel来实现写excel表格，其中的index和header参数可以实现控制索引和列名的写入与否。
# 写入表格
df.to_excel('test.xlsx')
df.to_excel('no_index.xlsx', index=None)
df.to_excel('no_columns.xlsx', header=None)
df.to_excel('no_index_or_columns.xlsx', index=None, header=None)
test.xlsl
no_index.xlsx
no_columns.xlsx
no_index_or_columns.xlsx
读表格数据
在读取表格的时候需要注意的是，如果表格里原有的数据没有关于列名或者index的内容，那么读取出来的数据是pandas自加index与列名以及原表格中的数据的形式；如果原表格中有关于列名或者index的内容，那么如果不做其他的操作读取出来的是在原来有index与列名的基础上再自动加上index。就像这样：
这里的unnamed:0列就是原来的index。
处理index的方法是在读取的时候选中需要的列即可，可以通过pd.iloc或者pd.loc函数来实现。
处理列名的方式是通过为pd.read_excel函数的header参数传入实参来实现的；如果表格中原来的数据没有首行列名，那么传入的header参数为None；如果有首行列名，那么传入的header参数为0。如果header不正确传入会读取出意想不到的错误数据：
现在读取test.xlsx文件，该文件中原来的数据为：
即有首行列名，那么正确的做法应该是：
data = pd.read_excel('test.xlsx', header=0)输出：
如果输入的是1：
data = pd.read_excel('test.xlsx', header=1)输出：
当测试的是no_columns.xlsx文件的时候：
data = pd.read_excel('no_columns.xlsx', header=None)
输出：
传入其他参数的时候，数据的shape[0]发生变化：
传入1时：
传入0时：
传入2时：
