如何将 OpenDocument 电子表格转换为 pandas DataFrame？答案

【问题标题】：How to convert OpenDocument spreadsheets to a pandas DataFrame?如何将 OpenDocument 电子表格转换为 pandas DataFrame？
【发布时间】：2013-07-23 23:41:22
【问题描述】：

Python 库 pandas 可以读取 Excel 电子表格并使用 pandas.read_excel(file) 命令将其转换为 pandas.DataFrame。在底层，它使用xlrd 库，其中does not support ods 文件。

对于 ods 文件，是否有相当于 pandas.read_excel 的内容？如果没有，我该如何对 Open Document Formatted 电子表格（ods 文件）执行相同的操作？ ODF 被 LibreOffice 和 OpenOffice 使用。

【问题讨论】：

自 2012 年以来，pandas github 上有一个功能请求here。我不知道他们为什么还没有实现它！
自 2019 年 8 月起实施 :)
票数最高的答案完美解决了问题。也许你应该接受它？

标签： pandas python pandas libreoffice dataframe opendocument

【解决方案1】：

pandas 现在支持 .ods 文件。您必须先安装 odfpy 模块。然后它将像普通的 .xls 文件一样工作。

conda install -c conda-forge odfpyr

那么

pd.read_excel('FILE_NAME.ods', engine='odf')

【讨论】：

甚至只是df = pd.read_excel ('sample.ods')

【解决方案2】：

一些回复指出需要 odfpy 或其他外部包来获得此功能，但请注意，在最新版本的 Pandas（当前为 1.1，2020 年 8 月）中，在 pd.ExcelWriter 等函数中支持 ODS 格式() 和 pd.read_excel()。您只需要指定合适的引擎“odf”即可使用 OpenDocument 文件格式（.odf、.ods、.odt）。

【讨论】：

【解决方案3】：

编辑：很高兴，如果您可以更新到最新的 Pandas 版本，下面的这个答案现在已经过时了。如果您仍想使用 Pandas 版本的数据工作，并仅在需要时从 ODS 更新数据，请继续阅读。

似乎答案是否定的！我会描述在 ODS 中阅读的工具仍然参差不齐。如果您使用的是 POSIX，也许在使用 Pandas 非常好的 xlsx 导入工具之前即时导出到 xlsx 的策略是一种选择：

unoconv -f xlsx -o tmp.xlsx myODSfile.ods

总而言之，我的代码如下所示：

import pandas as pd
import os
if fileOlderThan('tmp.xlsx','myODSfile.ods'):
    os.system('unoconv -f xlsx -o tmp.xlsx myODSfile.ods ')
xl_file = pd.ExcelFile('tmp.xlsx')
dfs = {sheet_name: xl_file.parse(sheet_name) 
          for sheet_name in xl_file.sheet_names}
df=dfs['Sheet1']

这里的 fileOlderThan() 是一个函数（参见 http://github.com/cpbl/cpblUtilities），如果 tmp.xlsx 不存在或比 .ods 文件旧，则返回 true。

【讨论】：

【解决方案4】：

这在 pandas 0.25 中原生可用。只要您安装了 odfpy（conda install odfpy 或 pip install odfpy），您就可以这样做

pd.read_excel("the_document.ods", engine="odf")

【讨论】：

不知道为什么这个解决方案没有更高的票数。在使用 pandas 之前，您只需要使用 pip install odfpy 安装 odfpy。
使用pip install odfpy 安装它结果是 ImportError: Missing optional dependency 'odf'。使用 pip 或 conda 安装 odf。 Conda 没有这个包。我认为问题在于该包使用的是 Python 2.7，它已接近生命周期的尽头。
也可以用conda install odfpy安装
在pip install odfpy 之后这对我很有用。是否需要单独的引擎来回写该 Calc 电子表格？
在最新的pandas版本中，不需要定义engine;它会被自动检测到。 pd.read_excel("file.ods") 就够了。

【解决方案5】：

根据 davidovitch 的回答（谢谢），我整理了一个 package，它读取 .ods 文件并返回一个 DataFrame。它不是 pandas 本身的完整实现，例如他的 PR，但它提供了一个简单的 read_ods 函数来完成这项工作。

您可以使用pip install pandas_ods_reader 安装它。也可以指定文件是否包含标题行，并指定自定义列名。

【讨论】：

【解决方案6】：

我在 pandas read_clipboard 上运气不错。选择单元格，然后从 excel 或 opendocument 复制。在 python 中运行以下命令。

import pandas as pd
data = pd.read_clipboard()

Pandas 会根据复制的单元格做好工作。

【讨论】：

【解决方案7】：

您可以使用以下模块在 Python 中读取 ODF（Open Document Format .ods）文档：

使用 ezodf，一个简单的 ODS-to-DataFrame 转换器可能如下所示：

import pandas as pd
import ezodf

doc = ezodf.opendoc('some_odf_spreadsheet.ods')

print("Spreadsheet contains %d sheet(s)." % len(doc.sheets))
for sheet in doc.sheets:
    print("-"*40)
    print("   Sheet name : '%s'" % sheet.name)
    print("Size of Sheet : (rows=%d, cols=%d)" % (sheet.nrows(), sheet.ncols()) )

# convert the first sheet to a pandas.DataFrame
sheet = doc.sheets[0]
df_dict = {}
for i, row in enumerate(sheet.rows()):
    # row is a list of cells
    # assume the header is on the first row
    if i == 0:
        # columns as lists in a dictionary
        df_dict = {cell.value:[] for cell in row}
        # create index for the column headers
        col_index = {j:cell.value for j, cell in enumerate(row)}
        continue
    for j, cell in enumerate(row):
        # use header instead of column index
        df_dict[col_index[j]].append(cell.value)
# and convert to a DataFrame
df = pd.DataFrame(df_dict)

附言

已在 pandas 问题跟踪器：https://github.com/pydata/pandas/issues/2311 上请求 ODF 电子表格（*.ods 文件）支持，但仍未实现。
ezodf 在未完成的PR9070 中使用，以在 pandas 中实现 ODF 支持。该 PR 现已关闭（请阅读 PR 以进行技术讨论），但它仍可作为 thispandas fork 中的实验性功能使用。
还有一些蛮力方法可以直接从 XML 代码中读取 (here)

【讨论】：

效果很好。您应该提供这样的东西作为外部包（取决于ezodf 和pandas），以便用户最终可以拥有 read_ods() 函数！
使用此代码 python 在第 37 行返回错误 ValueError: arrays must all be same length df = pd.DataFrame(df_dict)
我想您的电子表格已合并导致此错误的单元格。
@Ossarotte，我遇到了同样的错误。原来这是因为两个标题列具有相同的名称（所以它计算了两次行）。我重命名了其中一列，错误消失了，列行长度都一样。
@BringBackCommodore64 坦克。

【解决方案8】：

这是一个使用 ezodf 模块的快速而肮脏的 hack：

import pandas as pd
import ezodf

def read_ods(filename, sheet_no=0, header=0):
    tab = ezodf.opendoc(filename=filename).sheets[sheet_no]
    return pd.DataFrame({col[header].value:[x.value for x in col[header+1:]]
                         for col in tab.columns()})

测试：

In [92]: df = read_ods(filename='fn.ods')

In [93]: df
Out[93]:
     a    b    c
0  1.0  2.0  3.0
1  4.0  5.0  6.0
2  7.0  8.0  9.0

注意事项：

所有其他有用的参数，如header、skiprows、index_col、parse_cols，都没有在这个函数中实现 - 如果你想实现它们，请随时更新这个问题
ezodf 取决于 lxml 确保已安装它

【讨论】：

我试过你的代码。太棒了，除了它在数据帧的末尾添加了两个NaN 行。你有过类似的经历吗？

【解决方案9】：

如果您只有几个 .ods 文件要阅读，我会在 openoffice 中打开它并将其保存为 excel 文件。如果您有很多文件，您可以在 Linux 中使用 unoconv command 以编程方式将 .ods 文件转换为 .xls (with bash)

那么用pd.read_excel('filename.xls')阅读它真的很容易

【讨论】：

【解决方案10】：

另一个选项：read-ods-with-odfpy。该模块将 OpenDocument 电子表格作为输入，并返回一个列表，从中可以创建一个 DataFrame。

【讨论】：

【解决方案11】：

支持在 Pandas 中读取 Excel 文件（xls 和 xlsx），请参阅read_excel 命令。您可以使用 OpenOffice 将电子表格保存为 xlsx。转换也可以在命令行上自动完成，显然，使用convert-to command line parameter。

从 xlsx 读取数据可以避免在首先转换为 CSV 时可能遇到的一些问题（日期格式、数字格式、unicode）。

【讨论】：

【解决方案12】：

如果可能，从电子表格应用程序中另存为 CSV，然后使用 pandas.read_csv()。 IIRC，“ods”电子表格文件实际上是一个 XML 文件，其中还包含相当多的格式信息。因此，如果是关于表格数据，请先将这些原始数据提取到一个中间文件（在本例中为 CSV），然后您可以使用其他程序（例如 Python/pandas）对其进行解析。

【讨论】：

谢谢。如果有更直接的东西会很好，但我想这是一种可能性。
没有什么比只包含原始数据的文件更直接的了。此类文件必须采用某种文件格式。有二进制格式（如 NetCDF 或 HDF5）和 ascii 格式，如 CSV。不幸的是，CSV 并不是真正的标准。不过，在大多数情况下，CSV 处理起来非常简单。
如果您修改 .ods 更新 .csv 会很好，但这可能已经超出了答案的范围......

编辑：很高兴，如果您可以更新到最新的 Pandas 版本，下面的这个答案现在已经过时了。 如果您仍想使用 Pandas 版本的数据工作，并仅在需要时从 ODS 更新数据，请继续阅读。

编辑：很高兴，如果您可以更新到最新的 Pandas 版本，下面的这个答案现在已经过时了。如果您仍想使用 Pandas 版本的数据工作，并仅在需要时从 ODS 更新数据，请继续阅读。