Alternativas a Pandas Read Excel (sin usar Interop) | IronXL for Python

Los archivos de Excel son omnipresentes en las tareas de análisis y manipulación de datos, ya que ofrecen una forma cómoda de almacenar y organizar datos tabulares. En Python, hay múltiples bibliotecas disponibles para leer archivos de Excel, cada una con su propio conjunto de características y capacidades. Dos opciones destacadas son Pandas y IronXL, que ofrecen métodos eficaces para leer archivos Excel en Python.

En este artículo, compararemos la funcionalidad y el rendimiento de Pandas y IronXL para leer archivos Excel en Python.

Pandas - Biblioteca de código abierto

Pandas es una potente biblioteca de código abierto para el análisis y manipulación de datos en Python. Introduce la estructura de datos DataFrame, que es una estructura de datos bidimensional etiquetada con columnas de tipos potencialmente diferentes. Pandas ofrece una amplia gama de funcionalidades para la manipulación de datos, incluyendo la lectura y escritura de datos de diversas fuentes, como archivos CSV, bases de datos SQL y archivos Excel.

Algunas características clave de Pandas son:

DataFrame

Pandas introduce la estructura de datos DataFrame, que es esencialmente una estructura de datos bidimensional etiquetada con columnas de tipos potencialmente diferentes. Es similar a una hoja de cálculo o una tabla SQL, lo que facilita la realización de operaciones como filtrado, agrupación y agregación en datos tabulares.

Manipulación de datos

Pandas ofrece una amplia gama de funciones para la manipulación de datos, incluyendo la fusión, remodelación, corte, indexación y pivoteo de datos. Estas operaciones permiten a los usuarios limpiar, transformar y preparar los datos para su análisis o visualización de forma eficaz.

Funcionalidad de series temporales

Pandas proporciona un soporte robusto para trabajar con datos de series temporales, incluyendo herramientas para la indexación de fecha/hora y remuestreo, y métodos convenientes para manejar los datos que faltan y la conversión de zonas horarias.

Integración con bibliotecas

Pandas puede colaborar sin problemas con varias bibliotecas de Python empleadas con frecuencia en el análisis de datos y los cálculos científicos, como NumPy, Matplotlib y Scikit-learn. Esta interoperabilidad permite a los usuarios aprovechar los puntos fuertes de distintas bibliotecas en un único flujo de trabajo de análisis.

En general, Pandas es una potente herramienta para la manipulación y el análisis de datos en Python, y se utiliza ampliamente en diversos ámbitos, como las finanzas, la economía, la biología y las ciencias sociales.

IronXL- La librería Excel de Python

IronXL es una biblioteca de Python diseñada específicamente para trabajar con archivos de Excel. Proporciona una API intuitiva para leer, escribir y manipular documentos Excel en Python. IronXL pretende simplificar las operaciones con archivos Excel ofreciendo una interfaz sencilla y eliminando la necesidad de dependencias externas, como Microsoft Excel o Excel Interop.

A continuación se enumeran algunas de las principales características de IronXL:

API intuitiva para documentos Excel de Python 3+

IronXL ofrece una API de documentos Excel Python 3+ intuitiva y fácil de usar, que permite a los desarrolladores leer, editar y crear archivos de hojas de cálculo Excel sin problemas.

Soporte multiplataforma

Diseñado para Python 3+ y compatible con Windows, Mac, Linux y plataformas en la nube, IronXL garantiza la flexibilidad en los entornos de implantación.

Sin necesidad de Microsoft Office o Excel Interop

Los desarrolladores pueden trabajar con archivos Excel en Python sin instalar Microsoft Office ni tener que lidiar con Excel Interop, lo que simplifica el proceso de integración y minimiza las dependencias.

Compatibilidad

Admite Python 3.7+ en varios sistemas operativos, incluidos Microsoft Windows, macOS, Linux, Docker, Azure y AWS. Compatible con IDEs populares como JetBrains PyCharm y otros IDEs de Python.

Manejo versátil de los libros de trabajo

Cree, cargue, guarde y exporte hojas de cálculo en varios formatos, como XLS, XLSX, XSLT, XLSM, CSV, TSV, JSON, HTML, binario y matriz de bytes.

Potente edición de hojas de cálculo

Edite metadatos, establezca permisos y contraseñas, cree y elimine hojas de cálculo, manipule el diseño de las hojas, maneje imágenes y mucho más.

Operaciones avanzadas de alcance celular

Realice diversas operaciones en rangos de celdas, como ordenar, recortar, borrar, copiar, buscar y reemplazar valores, establecer hipervínculos y combinar y separar celdas.

Estilización flexible de las células

Personalice los estilos de las celdas, incluidos la fuente, el tamaño, el borde, la alineación y el patrón de fondo, y aplique formato condicional.

Funciones matemáticas y formatos de datos

Utilice funciones matemáticas como promedio, suma, mínimo y máximo, y establezca formatos de datos de celda como texto, número, fórmula, fecha, divisa, científico, hora, booleano y formatos personalizados.

Creación de un proyecto Python con PyCharm

En primer lugar, Python debe estar instalado en su máquina. Instale la última versión de Python 3.x desde el sitio web oficial de Python. Al instalar Python, asegúrese de elegir la opción de añadir Python al PATH del sistema, permitiendo el acceso desde la línea de comandos.

Para demostrar la funcionalidad tanto de Pandas como de IronXL en la lectura de archivos Excel, vamos a crear un proyecto en Python usando PyCharm, un entorno de desarrollo integrado (IDE) popular para Python.

1. Abra PyCharm y cree un nuevo proyecto Python.

   

2. Configure el proyecto como sigue:

   • Dale un nombre al proyecto. En este caso "pythonReadExcel"

   • Elija la ubicación deseada para el proyecto

   • Elija el tipo de intérprete: Proyecto venv

   • Seleccione la versión de Python

   

3. Haga clic en "Crear" para crear el proyecto.

Instalar Pandas y IronXL usando pip

Instalación de Pandas

Para instalar Pandas en tu Proyecto, puedes seguir estos pasos:

1. Abrir el Símbolo del sistema o Terminal: En PyCharm, desde Ver->Ventanas de herramientas->Terminal.

   

2. Instalar Pandas a través de pip: Pandas se puede instalar usando el gestor de paquetes pip. Ejecute el siguiente comando en el terminal:

    pip install pandas

Este comando instala la biblioteca Pandas y sus dependencias desde el Índice de Paquetes de Python (PyPI).

3. Instalar OpenPyXL a través de pip: OpenPyXL es la biblioteca que ayuda a leer y escribir archivos de Excel. Es una de las dependencias utilizadas por Pandas. Al instalar Pandas, OpenPyXL se instala automáticamente si no está ya presente. Si por algún motivo no está instalado, puede instalarlo utilizando el siguiente comando en el terminal:

pip install openpyxl

Instalación de IronXL

Para instalar IronXL en un proyecto Python, sigue estos pasos:

1. Garantizar los requisitos previos: Antes de instalar IronXL, asegúrese de tener los requisitos previos necesarios instalados en su sistema:

   .NET 6.0 SDK: IronXL se basa en la biblioteca IronXL .NET, específicamente .NET 6.0, como su tecnología subyacente. Asegúrese de tener instalado el SDK de .NET 6.0 en su máquina. Puede descargarlo desde el sitio web oficial de .NET.

2. Abra el Símbolo del sistema o Terminal: Haga lo mismo que antes.

3. Instalar IronXL a través de pip: IronXL se puede instalar utilizando el gestor de paquetes pip. Ejecute el siguiente comando:

 pip install IronXL

Este comando recopilará, descargará e instalará la biblioteca IronXL y sus dependencias desde el Python Package Index (PyPI).

Lectura de archivos Excel con Pandas e IronXL

Como ya lo hemos configurado todo, pasaremos a leer ficheros Excel utilizando ambas librerías. El fichero Excel de demostración que vamos a leer tiene los siguientes valores con fila de cabecera como Nombre, Marcas y Res:

Uso de Pandas

Primer paso

Importe la biblioteca Pandas y utilice la función read_excel() para leer datos de la columna desde el archivo de Excel.

import pandas as pd
# Read the Excel file
df = pd.read_excel("file.xlsx")

import pandas as pd
# Read the Excel file
df = pd.read_excel("file.xlsx")

Al utilizar la función read_excel() de Pandas, puedes especificar varias opciones para mostrar según sea necesario:

header: Especifica qué fila en el archivo de Excel se utilizará como nombres de columna. Puedes configurarlo en None para indicar que no hay una fila de encabezado, o puedes proporcionar un número entero que indique el número de fila. Si se omiten, las cabeceras se establecen en bool por defecto true, y las primeras posiciones de fila se muestran como etiquetas de fila de cabecera.

index_col: Especifica qué columna o columnas usar como índice del DataFrame. Puede pasar un único nombre de columna o índice de columna. O puede pasar una lista de nombres de columnas o índices de columnas para crear un MultiIndex.

sheet_name: Especifica la(s) hoja(s) desde la cual leer en el archivo Excel. Puedes proporcionar el nombre de la hoja como una cadena de texto o como un número entero que indique las posiciones de las hojas indexadas desde cero.

usecols: Especifica qué columnas leer del archivo Excel. Puedes pasar un único nombre de columna o un índice de columna. También puede pasar una lista de nombres de columnas o índices de columnas para leer columnas específicas.

dtype: Especifica los tipos de datos para las columnas. Puede pasar un diccionario en el que las claves son nombres de columnas o índices de columnas y los valores son los tipos de datos deseados.

converters: Especifica funciones para aplicar a columnas para el análisis personalizado. Puede pasar un diccionario donde las claves son nombres de columnas o índices de columnas y los valores son funciones.

na_values: Especifica cadenas adicionales para reconocer como valores NaN (Not a Number). Puede pasar una lista de cadenas para que sean tratadas como NaN.

parse_dates: Especifica qué columnas analizar como fechas. Puede pasar un único nombre de columna o un índice de columna. También puede pasar una lista de nombres de columnas o índices para analizarlos como fechas.

date_parser: Especifica una función para usar en el análisis de fechas. Puede pasar una función que acepte una cadena y devuelva un objeto datetime.

skiprows: Especifica el número de filas a omitir al principio del archivo de Excel.

Estas opciones proporcionan flexibilidad a la hora de leer ficheros Excel con Pandas, permitiéndole personalizar el proceso de lectura de acuerdo a sus requerimientos específicos.

Paso 2

Muestra el contenido del DataFrame.

print(df)

print(df)

Este es el resultado del código anterior:

Uso de IronXL

Paso 1: Importe la biblioteca IronXL y use el método WorkBook.Load() para cargar el archivo de Excel. En el parámetro del método Load, puede pasar las URLs de archivo válidas, el objeto de ruta de archivo local o el nombre de archivo si está en el mismo directorio que el script.

from ironxl import WorkBook
# Load the Excel file like object
workbook = WorkBook.Load("file.xlsx")

from ironxl import WorkBook
# Load the Excel file like object
workbook = WorkBook.Load("file.xlsx")

Paso 2: Con IronXL, puedes solicitar múltiples hojas y también imprimir etiquetas de columnas. Acceda a las hojas de cálculo y a las celdas para leer los datos almacenados en las columnas. Las celdas pueden ser de cualquier tipo de datos, como columnas numéricas o columnas de cadena. Los valores de las celdas se pueden convertir a int analizando las columnas de cadena a valores numéricos utilizando la propiedad IntValue y viceversa.

# Access the first worksheet
# Loads the first sheet from list of int default worksheets
worksheet = workbook.DefaultWorkSheet
# Select a cell and return the converted value
cell_value = worksheet ["A2"].IntValue
print(cell_value)
# Read from the entire worksheet elegantly.
for cell in worksheet:
    print("Cell {} has value '{}'".format(cell.AddressString, cell.Text))

# Access the first worksheet
# Loads the first sheet from list of int default worksheets
worksheet = workbook.DefaultWorkSheet
# Select a cell and return the converted value
cell_value = worksheet ["A2"].IntValue
print(cell_value)
# Read from the entire worksheet elegantly.
for cell in worksheet:
    print("Cell {} has value '{}'".format(cell.AddressString, cell.Text))

Aquí está la salida del código anterior con un formato de visualización adecuado mostrando la versatilidad de IronXL:

Para obtener más información sobre cómo trabajar con archivos Excel, por favor visite esta página de ejemplos de código.

Conclusión

En conclusión, tanto Pandas como IronXL ofrecen métodos eficientes para leer archivos Excel en Python. Sin embargo, IronXL proporciona varias ventajas sobre Pandas, particularmente en términos de facilidad de uso, rendimiento y capacidades especializadas de manejo de Excel. La intuitiva API de IronXL y sus completas funciones lo convierten en una opción superior para proyectos que requieran extensas tareas de manipulación de Excel.

Además, IronXL elimina la necesidad de dependencias externas como Microsoft Excel o Excel Interop, lo que simplifica el proceso de desarrollo y mejora la portabilidad entre distintas plataformas. Por lo tanto, para los desarrolladores de Python que buscan una solución robusta y eficiente para las operaciones con archivos Excel, IronXL emerge como la opción preferida, ya que ofrece mejores facilidades y funcionalidades mejoradas en comparación con Pandas. Para obtener información más detallada sobre IronXL, visite esta página de documentación.

IronXL ofrece una prueba gratuita para probar su funcionalidad y viabilidad en tus proyectos de Python. Esta versión de prueba permite a los desarrolladores explorar toda la gama de funciones y capacidades que ofrece IronXL sin ningún compromiso financiero por adelantado. Si está considerando IronXL para tareas de importación/exportación de datos, generación de informes o análisis de datos, la prueba gratuita le ofrece la oportunidad de evaluar su rendimiento y adecuación a sus requisitos específicos.

Para obtener más información sobre las opciones de licencia y descargar la versión de prueba gratuita, visite la página de licencias del sitio web de IronXL. Aquí encontrará información detallada sobre las condiciones de licencia, incluidas las opciones de uso comercial y asistencia. Para comenzar con IronXL y experimentar sus beneficios de primera mano, descarga la biblioteca desde aquí.