成功的网站必须具备的要素,企业组织架构,学编程多大年龄开始学为最佳,有代码怎么做网站相信有不少朋友日常工作会用到 Excel 处理各式表格文件#xff0c;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#xff0c;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按照以下分组名单 group.xls 来整理数据表中的数据最终要展现的数据项其中“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,headerNone)
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_writerresult.xlsx,indexFalse)
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。
