Python自动处理excel表格

码农公社  210.net.cn   210= 1024  10月24日一个重要的节日--码农(程序员)节

不少老铁日常工作中会处理各种 Excel 表格文件,甚至花大把时间来做繁琐耗时的表格整理工作。最近有朋友问可否编程来减少表格整理的工作量,本文通过实例来实现 Python 对表格的处理。


先看一个待处理的表格:source.csv:

        12778909-ac0d5309841a782f.jpg


我们要做的是从上表中提取数据,来生成一份符合以下要求的表格:


  1.按照以下分组名单 group.xls 来整理数据表中的数据:

        12778909-3fba540ca1bd3c88.jpg


2.最终要展现的数据项:

        12778909-bb1d0d1c8958669f.jpg

3.其中“K数据/60”为数据表中的“数据K”/60后保留的2位小数  


       我们先看手工 Excel 如何处理以上需求:要在 source.csv 数据表中读取读取每条数据,放入 group.xls 匹配的分组成员中,最后筛选需要的数据项,再对特定的 “数据K”进行运算处理。  


       那么 Python 又将如何操作呢?这里我们要用到功能强大的 pandas 库。  


       pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一。  


  

首先导入 pandas 库,通过相关的函数读取 csv 和 xls 表格内容:


import pandas as pd# 读取 group.xls 分组信息group = pd.read_excel("group.xls",header=None)
group.columns=["分组","角色"]
print(group)# 读取 source.csv 获取所有成员数据source = pd.read_csv("source.csv")
print(source)

我们可以首先对 source.csv 中的数据项进行筛选,需要的数据项有“角色”、“编号”、“数据B”、“数据C”、“数据D”和“数据K”:

# 通过 iloc[:,[列坐标]] 来定位需要的各列数据filter_merge = source.iloc[:,[0,2,4,5,6,13]]print(filter_merge)

接下来是根据分组角色来匹配角色数据,注意到 group.xls 和 source.csv 共有“角色”一项,我们可以通过此项将两个表格融合从而形成匹配填充的效果。

combine = pd.merge(group,filter_merge,on="角色")

接下来我们在第二列插入运算后的“数据K/60”:

combine.insert(1,"数据K/60",round(filter_merge["数据K"]/60,2))

最终,我们将生成的数据格式写入新的 xlsx 表格中:

combine.to_excel(excel_writer="result.xlsx",index=False)

最终自动生成的表格如下:

12778909-987c951646e59573.jpg



以上便是 Excel 表格整理的 Python 代码简单实现,在操作过程中遇到的几个问题供大家参考:

  1. 导入 pandas 时可能会报错:

    解决:根据报错信息安装需要的相关模块

  2. 要进行表格整理的电脑无法连接外网下载 Python

    解决:https://blog.csdn.net/sundan93/article/details/62888068

    点击以上链接,在外网电下载 Python 安装包及相关的模块安装文件,拷贝到内网电脑进行安装

  3. 以上表格整理的实例在现实工作有参考意义么?

    回答:文中表格的原型是一份员工工作记录,根据人员分组进行相关的数据统计。类似的分组统计数据都可以根据此 Python案例来实现。





评论