在使用pandas读取excel文件时，需要用到read_excel函数，该函数支持多种工作簿格式。不仅可以读取一个sheet，还可以读取多个sheet。
1、read_excel各参数组成如下：
pd.read_excel(
io,
sheet_name: 'str | int | list[IntStrT] | None' = 0,
*,
header: 'int | Sequence[int] | None' = 0,
names: 'list[str] | None' = None,
index_col: 'int | Sequence[int] | None' = None,
usecols: 'int | str | Sequence[int] | Sequence[str] | Callable[[str], bool] | None' = None,
dtype: 'DtypeArg | None' = None,
engine: "Literal['xlrd', 'openpyxl', 'odf', 'pyxlsb'] | None" = None,
converters: 'dict[str, Callable] | dict[int, Callable] | None' = None,
true_values: 'Iterable[Hashable] | None' = None,
false_values: 'Iterable[Hashable] | None' = None,
skiprows: 'Sequence[int] | int | Callable[[int], object] | None' = None,
nrows: 'int | None' = None,
na_values=None,
keep_default_na: 'bool' = True,
na_filter: 'bool' = True,
verbose: 'bool' = False,
parse_dates: 'list | dict | bool' = False,
date_parser: 'Callable | lib.NoDefault' = <no_default>,
date_format: 'dict[Hashable, str] | str | None' = None,
thousands: 'str | None' = None,
decimal: 'str' = '.',
comment: 'str | None' = None,
skipfooter: 'int' = 0,
storage_options: 'StorageOptions' = None)
这里安装的是pandas 2.0.3版本，可以看到read_excel函数有26个参数，虽然有这么多的参数，但是实际工作中只用到很少的部分，因为已经帮我们设置好了默认的参数。
2、read_excel参数详解
（1） io ：用来指定文件路径或文件对象
（2） sheet_name：要读取的表格名称，默认的是工作簿中的第一个表格。
如果同时读取2个表格的数据，可以将表格名称使用列表的方式。
sheet_name=(['成绩1','成绩2'])
如果读取工作簿中所有表格，可以使用sheet_name=None。
（3） header：指定某一行作为表头
- header=0 这是默认值，使用表格的第一行作为表头；
- header=None 针对没有表头的表，重新设置列索引；
- header=1指定第二行作为表头；
（4） names：重新设置列索引的名称，针对没有表头的数据可以使用，一般情况下用不到。
（5） index_col：设置行索引，也就是第一列的数据内容。
（6） usecols：是指读取表格用到的列，如果表格列数很多，分析数据只用到几列，就可以用到这个参数指定列名。注意的是，不论读取几列，都要用方括号列表的形式。
或者用列标直接指定区域范围
（7） dtype：读取数据时，设置每一列的数据类型。
dtype={}传入一个字典，{"列名":"类型"}
（8） converters：用法同dtype，不同的是converters可以在通过dict对某一列或者某几列应用某一个函数，读取的是函数返回后的结果。
通过dict对某一列应用函数
（9） engine：可以接受的参数有“ xlrd”，“ openpyxl”或“ odf”，用于使用第三方的库去解析excel文件。
（10）true_values 和 false_values参数一般用不到，将指定的文本转换为True或False，默认为None。
(11） skiprows：是指跳过指定的行。
skiprows=1 跳过第1行
skiprows=[2,4,5] 跳过第2，4，5行
skiprows=lambda x:x%2==0，跳过偶数行，保留奇数行，同时需要设置header=None,names=['学号','语文','数学','英语']
（12）nrows：指定读取前多少行，通常用于较大的数据文件中，默认None。
（13）na_values：指定某些列的某些值为NaN，一般用不到。
（14）keep_default_na：导入数据时是否导入空值，默认为True，即自动识别空值并导入。
keep_default_na=False，原来的数据列会变为object类型，所以这个参数也要谨慎使用。
（15）na_filter：检测缺失的值标记(空字符串和na values的值)。在没有NAs的数据中，传递na filter=False可以提高读取大文件的性能。
（16）verbose：指放置在非数字列中的NA值的数目。
3、最后小结
以上介绍的参数大部分在工作中能够使用到，而且有些已经给默认设置好了，如果想要提高自己的技能，这些足够大家学习和使用。