Python 自动整理 Excel 表格

相信有不少朋友日常工作会用到 Excel 处理各式表格文件,更有甚者可能要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轻表格整理工作量,今儿我们就通过实例来实现 Python 对表格的自动化整理。

首先我们有这么一份数据表 source.csv:

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:
  1. 最终要展现的数据项:
  1. 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。 pandas 百度百科

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:


以上便是 Excel 表格整理的 Python 代码简单实现,在操作过程中也遇到几个问题贴在这里供大家参考:

  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为公司电脑、无法连接外网下载 Python 解决: https://blog.csdn.net/sundan93/article/details/62888068 参照以上链接,先在外网电脑下载 Python 安装文件以及相关的模块安装文件,拷贝到无网络电脑进行安装
  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。类似的分组统计成员数据都可以根据此简单 Python 模版来实现。
  4. 遇到现实中的其他问题如何自学尝试解决? 回答:首先要归纳问题并进行相关搜索,了解相关的知识打基础,最好是多参考几个相关的帖子或者书籍,然后生成自己的代码。实现本文中的代码,我是先大致看了一遍《对比 Excel 轻松学习 Python 数据分析》这本书,收获还挺多。
  5. 并不会 Python,能通过其他方式来实现表格整理的自动化吗? 回答:也是有其他方式的,例如 Excel VBA 来写宏脚本,感兴趣的可以搜索尝试下。

移步 留言区 可获取代码下载链接,权当一个参考和提示,自行搜索尝试实现才能真正掌握哈,有问题欢迎留言反馈~

原文发布于微信公众号 - 程序猿声(ProgramDream)

原文发表时间:2019-07-28

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券