Python Excel操作 逆引き集 | xls（旧形式）ファイルを読む

Python
スポンサーリンク

Pythonで旧形式xlsファイルを読む入門 — engine=’xlrd’（環境要確認）

古いExcel形式（.xls）をpandasで読むには、読み取りエンジンとして xlrd の利用が基本です。拡張子と環境により挙動が変わるため、初心者向けに安全な手順とコードテンプレート、つまずき対策をまとめます。

事前準備と要点

  • .xls は xlrd で読む: .xlsx は xlrd 非対応。新形式は openpyxl を使う（別途）。
  • インストール: pip install xlrd
  • 環境確認: インストール後に簡単な読み込みが成功するか試す。失敗時は拡張子誤り（実体が .xlsx など）やファイル破損を疑う。

基本の使い方（最小コード）

import pandas as pd

# 旧形式 .xls を読む
df = pd.read_excel("legacy.xls", engine="xlrd")

print(df.head())   # 先頭5行
print(df.info())   # 列名・型・欠損
Python
  • ポイント: engine を明示することで「どのライブラリで読むか」を固定し、環境差による誤動作を避けられます。

よく使う引数とテンプレート

シートを指定する（sheet_name）

import pandas as pd

# 名前で指定
df = pd.read_excel("legacy.xls", sheet_name="明細", engine="xlrd")

# 先頭シート（番号で指定）
df0 = pd.read_excel("legacy.xls", sheet_name=0, engine="xlrd")
Python

欲しい列だけ読む（usecols）

# 列名で指定
df = pd.read_excel("legacy.xls", engine="xlrd", usecols=["Date", "Product", "Amount"])

# A〜D列の範囲指定
df = pd.read_excel("legacy.xls", engine="xlrd", usecols="A:D")
Python

タイトル行を飛ばす（skiprows）とヘッダー行（header）

df = pd.read_excel("legacy.xls", engine="xlrd", skiprows=5, header=0)
Python

インデックス列を指定（index_col）

df = pd.read_excel("legacy.xls", engine="xlrd", index_col=0)
Python

型指定（dtype）と日付パース（parse_dates）

df = pd.read_excel(
    "legacy.xls",
    engine="xlrd",
    dtype={"OrderID": "string", "Qty": "Int64"},  # 先頭ゼロ保持・欠損に強い整数
    parse_dates=["OrderDate"]                      # 日付は自動で datetime へ
)
Python

実践テンプレート（帳票あるある）

テンプレ1：説明行を飛ばし、列を絞って読み、数値化

import pandas as pd

df = pd.read_excel(
    "legacy.xls",
    engine="xlrd",
    skiprows=6,      # 7行目から表
    header=0,
    usecols="B:G"
)
df = df.rename(columns=lambda c: str(c).strip())

# 数値列を安全に変換
for col in ["数量", "金額"]:
    if col in df.columns:
        df[col] = pd.to_numeric(df[col], errors="coerce")
print(df.head())
Python

テンプレ2：コード列は文字列固定＋日付パースして月次集計

import pandas as pd

df = pd.read_excel(
    "legacy.xls",
    engine="xlrd",
    usecols=["OrderID", "OrderDate", "Amount"],
    dtype={"OrderID": "string"},
    parse_dates=["OrderDate"]
)
df["Amount"] = pd.to_numeric(df["Amount"], errors="coerce")

monthly = (
    df.assign(month=df["OrderDate"].dt.to_period("M"))
      .groupby("month", as_index=False)["Amount"].sum()
)
print(monthly)
Python

テンプレ3：列名がない → 自分で付ける

import pandas as pd

df = pd.read_excel(
    "legacy.xls",
    engine="xlrd",
    header=None,
    names=["date", "item", "qty", "price"],
    nrows=100  # まずは一部だけ確認
)
print(df.info())
Python

つまずきやすいポイントと回避策

  • 拡張子が .xls でも中身が .xlsx:
    • 対策: Excelで開いて「別名保存（.xlsx）」、または pd.read_excel(file, engine="openpyxl") を試す。
  • xlrd 未インストール／古い環境:
    • 対策: pip install xlrd を実行。仮想環境での実行を推奨。
  • 先頭ゼロが消える（郵便番号・コード）:
    • 対策: dtype={"ZipCode":"string"} で文字列固定。必要に応じて str.zfill(...) で桁揃え。
  • 日付が文字列のまま／混在:
    • 対策: parse_dates=["Date"] を指定。失敗時は後処理で pd.to_datetime(df["Date"], errors="coerce")。
  • 表が途中から始まる／結合セルでズレる:
    • 対策: skiprows と usecols を組み合わせ、見出し行を正しく合わせる。列名の空白は rename(...strip()) で除去。
  • 大きい .xls で重い:
    • 対策: 列を絞る（usecols）、最初は nrows で部分確認、最終的には CSV に変換してから処理すると速い。

ミニ例題（練習用）

  • 例題1：.xls を xlrd 指定で読み、先頭10行表示 
import pandas as pd
df = pd.read_excel("legacy.xls", engine="xlrd")
print(df.head(10))
Python
  • 例題2：説明行スキップ＋範囲指定で読み、数値化して合計 
import pandas as pd
df = pd.read_excel("legacy.xls", engine="xlrd", skiprows=4, usecols="B:E", header=0)
df["Amount"] = pd.to_numeric(df["Amount"], errors="coerce")
print("合計:", df["Amount"].sum())
Python
  • 例題3：コード列を文字列固定＋日付パースしてフィルタ 
import pandas as pd
df = pd.read_excel("legacy.xls", engine="xlrd", dtype={"OrderID": "string"}, parse_dates=["OrderDate"])
mask = (df["OrderDate"] >= "2025-01-01") & (df["OrderDate"] < "2025-07-01")
print(df.loc[mask].head())
Python

スポンサーリンク
タイトルとURLをコピーしました