如何在不下载文件的情况下将 Google 电子表格的内容读取到 Pandas 数据框中？
我认为gspread或df2gspread可能是不错的镜头，但我一直在使用pydrive到目前为止并接近解决方案。
使用 Pydrive，我设法获取电子表格的导出链接，作为 .csv 或 .xlsx 文件。身份验证过程完成后，看起来像
gauth = GoogleAuth()
gauth.LocalWebserverAuth()
drive = GoogleDrive(gauth)
# choose whether to export csv or xlsx
data_type = 'csv'
# get list of files in folder as dictionaries
file_list = drive.ListFile({'q': "'my-folder-ID' in parents and
trashed=false"}).GetList()
export_key = 'exportLinks'
excel_key = 'application/vnd.openxmlformats-officedocument.spreadsheetml.sheet'
csv_key = 'text/csv'
if data_type == 'excel':
urls = [ file[export_key][excel_key] for file in file_list ]
elif data_type == 'csv':
urls = [ file[export_key][csv_key] for file in file_list ]
我得到的 xlsx 的 url 类型是
https://docs.google.com/spreadsheets/export?id=my-id&exportFormat=xlsx
对于 csv 也类似
https://docs.google.com/spreadsheets/export?id=my-id&exportFormat=csv
现在，如果我单击这些链接(或使用 webbrowser.open(url) 访问它们)，我下载该文件，然后我可以正常读取该文件具有 pandas.read_excel() 或 pandas.read_csv() 的 Pandas 数据框，如所述 here .
如何跳过下载，直接从这些链接将文件读入数据帧？
我尝试了几种解决方案:
- The obvious
pd.read_csv(url)给出
pandas.errors.ParserError: Error tokenizing data. C error: Expected 1 fields in line 6, saw 2
有趣的是，这些数字 (1, 6, 2) 并不取决于电子表格中的行数和列数，这暗示脚本试图读取的不是它想要的内容。
- 模拟
pd.read_excel(url)给出
ValueError: Excel file format cannot be determined, you must specify an engine manually.
并指定例如engine = 'openpyxl' 给出
zipfile.BadZipFile: File is not a zip file
- BytesIO解决方案看起来很有希望，但是
r = requests.get(url)
data = r.content
df = pd.read_csv(BytesIO(data))
仍然给出
pandas.errors.ParserError: Error tokenizing data. C error: Expected 1 fields in line 6, saw 2
如果我 print(data) 我会得到数百行 html 代码
b'\n<!DOCTYPE html>\n<html lang="de">\n <head>\n <meta charset="utf-8">\n <meta content="width=300, initial-scale=1" name="viewport">\n
...
...
</script>\n </body>\n</html>\n'
最佳答案
根据您的情况，进行以下修改如何？在本例中，通过从 gauth 检索访问 token ，电子表格将导出为 XLSX 数据，并将 XLSX 数据放入数据帧中。
修改后的脚本:
gauth = GoogleAuth()
gauth.LocalWebserverAuth()
url = "https://docs.google.com/spreadsheets/export?id={spreadsheetId}&exportFormat=xlsx"
res = requests.get(url, headers={"Authorization": "Bearer " + gauth.attr['credentials'].access_token})
values = pd.read_excel(BytesIO(res.content))
print(values)
在此脚本中，请添加
导入请求。在本例中，使用 XLSX 数据的第一个选项卡。
当您想使用其他选项卡时，请按如下方式修改
values = pd.read_excel(BytesIO(res.content))。sheet = "Sheet2" values = pd.read_excel(BytesIO(res.content), sheet_name=sheet)
关于python - 通过 Pydrive 将 Google 电子表格转换为 Pandas 数据框，无需下载，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/71278523/