Python教程

【Python自动化Excel】pandas操作Excel的“分分合合”

本文主要是介绍【Python自动化Excel】pandas操作Excel的“分分合合”,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

话说Excel数据表,分久必合、合久必分。Excel数据表的“分”与“合”是日常办公中常见的操作。手动操作并不困难,但数据量大了之后,重复性操作往往会令人崩溃。利用Python的Pandas库,便可以自动实现Excel数据表的“分分合合”。下面结合实例来分享本人整理的实用代码片段。(如有更好的方式,欢迎批评指正)

主目录

主目录

分:纵向“分”

从数据平台(如问卷平台)中导出的数据往往是清单型的,每一行都是一条记录,数据量大的时候,表格往往是很“长”的。有时需要按照某列的不同数值,将一个总表“分”成单独的一些Excel文件。

纵向“分”原理图

纵向“分”原理图

一个工作表“分”为多个Excel文件

def to_excelByColName(sourceDf,colName,outPath,excelName):
    '''
        纵向“分”:一个工作表“分”为多个Excel文件
        根据指定的列名中的不同值,分解Excel,并存储成多个Excel文件。
        sourceDf:原始的DataFrame
        colName:指定列名
        outPath:输出路径
        excelName:文件名,加.xlsx后缀
    '''
    colNameList = sourceDf[colName].drop_duplicates().tolist()
    for eachColName in colNameList:
        sourceDf[sourceDf[colName]==eachColName].to_excel('/'.join([outPath,eachColName+excelName]),index=False)

例如:将20个班级1000名学生的总表,按班级分成20个Excel文件。

调用to_excelByColName函数,效果如下:

to_excelByColName(sourceDf = sourceDf,colName="班级",outPath=".\分班数据表",excelName="生成数据表.xlsx")

在这里插入图片描述

纵向分,演示效果

一个工作表“分”为一个文件的多个sheet

def to_excelByColNameWithSheets(sourceDf,colName,outPath):
    '''
        纵向“分”:一个工作表“分”为一个文件的多个sheet
        根据指定的列名中的不同值,分解Excel,并存储成单个Excel文件的多个Sheet。
        sourceDf:原始的DataFrame
        colName:指定列名
        outPath:输出路径,加.xlsx后缀
    '''
    writer = pd.ExcelWriter(outPath)
    colNameList = sourceDf[colName].drop_duplicates().tolist()
    for eachColName in colNameList:
        sourceDf[sourceDf[colName]==eachColName].to_excel(writer,sheet_name=eachColName)
    writer.save()

例如:将20个班级1000名学生的总表,按班级分成1个Excel文件的20个sheet表。

调用to_excelByColNameWithSheets函数,效果如下:

to_excelByColNameWithSheets(sourceDf = sourceDf,colName="班级",outPath=".\分班数据表\生成数据表.xlsx")

生成效果图

生成效果图

分:横向“分”

在处理数据的时候,有时需要添加多个辅助列,这样也会让数据表越来越“宽”。而最终我们只需要某些关键列即可,那么这就涉及到横向数据分割,或者说提取某些列保持成一个单独的数据表。横向的分割只需要给DataFrame传入列名列表即可。

例如:只需要数据表中的姓名和班级字段,可以这样写。

df1 = sourceDf[["姓名","班级"]]
df1.to_excel("只含有姓名和班级的数据表.xlsx")

合:纵向“合”

对于结构相同的数据,在数据处理时可以将其在纵向上拼接,方便一起处理。

纵向“合”原理图

纵向“合”原理图

多个Excel文件合并成一个工作表

def readExcelFilesByNames(fpath,fileNameList=[],header=0):
    '''
        纵向“合”:多个Excel文件合并成一个工作表
        读取路径下指定的Excel文件,并合并成一个总的DataFrame。
        每个Excel文件的数据表格式上要一致。
        1.fpath:必填,是Excel文件所在路径,不加文件名
        2.fileNameList:需要读取的Excel文件名列表
        3.header:指定读取的行数
    '''
    outdf = pd.DataFrame()
    for fileName in fileNameList:
        tempdf =pd.read_excel('/'.join([fpath,fileName]),header = header)
        outdf = pd.concat([outdf,tempdf])
    return outdf

例如:将20个班级的Excel文件,合并成一个数据表

调用readExcelFilesByNames函数,效果如下:

fileNameList = [
    "六1班数据表.xlsx",    "六2班数据表.xlsx",    "六3班数据表.xlsx",    "六4班数据表.xlsx",
    "六5班数据表.xlsx",    "六6班数据表.xlsx",    "六7班数据表.xlsx",    "六8班数据表.xlsx",
    "六9班数据表.xlsx",    "六10班数据表.xlsx",    "六11班数据表.xlsx",    "六12班数据表.xlsx",
    "六13班数据表.xlsx",    "六14班数据表.xlsx",    "六15班数据表.xlsx",    "六16班数据表.xlsx",
    "六17班数据表.xlsx",    "六18班数据表.xlsx",    "六19班数据表.xlsx",    "六20班数据表.xlsx",
]
readExcelFilesByNames(fpath = ".\分班数据表",fileNameList=fileNameList)

合并数据表,演示效果

合并数据表,演示效果

多个Sheet合并成一个工作表

def readExcelBySheetsNames(fpath,header = 0,prefixStr = "",sheetNameStr ="sheetName",prefixNumStr = "prefixNum"):
    '''
        纵向“合”:多个Sheet合并成一个工作表
        读取所有的Excel文件的sheet,并合并返回一个总的DataFrame。
        每个sheet的数据表格式上要一致。
        1.fpath:必填,是Excel文件的路径,加文件名
        2.会生成两个新列:sheetName和prefixNum,方便数据处理
            sheetName列是所有sheet的名称列
            prefixNum列是计数列
        3.header:指定读取的行数
    '''
    xl = pd.ExcelFile(fpath)
    # 获取Excel文件内的所有的sheet名称
    sheetNameList = xl.sheet_names
    outfd = pd.DataFrame()
    num  = 0 
    for sheetName in sheetNameList:
        num += 1
        data = xl.parse(sheetName,header=header)
        # 产生sheet名称列和计数列
        data[sheetNameStr] = sheetName
        data[prefixNumStr] = prefixStr +str(num)
        # 数据表拼接
        outfd = pd.concat([outfd,data.dropna()])
    xl.close()
    return outfd

如下调用readExcelBySheetsNames,运行效果如下:

readExcelBySheetsNames(fpath = ".\分班数据表\总数据表.xlsx",sheetNameStr ="sheet名",prefixNumStr = "sheet序号")

演示效果

演示效果

合:横向“合”

对于不同Excel工作表之间的横向合并,主要是用根据某些列(如:姓名、身份证号等)进行合并。在pandas库中可以用merge方法来实现,这是个十分好用的方式,展开讲篇幅较长,后续详细整理。

DataFrame.merge(right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'), copy=True, indicator=False, validate=None)

结语

本文所谈的Python处理Excel文件方式主要是基于pandas库的,主要针对的是清单型的数据表

数据表的主要涉及的是文件保存(写入),对程序来说属于输出环节;

数据表的主要针对的是文件打开(读取),对程序而言属于输入环节。

以上代码在针对大量重复性的表格分与合时,优势巨大;但对于偶尔、少量的分与合,也许用鼠标点击更快。

技术没有好坏之分,需要灵活使用!


这里我为大家准备了一份针对零基础的Python学习资料,有兴趣的同学可以看看哦。

「 Python经验分享 」

学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后给大家免费分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
9f49b566129f47b8a67243c1008edf79.png

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了,给大家节省了很多时间。

8c4513c1a906b72cbf93031e6781512b.png

三、入门学习视频

我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了。

afc935d834c5452090670f48eda180e0.png

四、实战案例

光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。

252731a671c1fb70aad5355a2c5eeff0.png

五、面试资料

我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。

6c361282296f86381401c05e862fe4e9.png

d2d978bb523c810abca3abe69e09bc1a.png

这份完整版的Python全套学习资料已经上传CSDN
朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】。

请添加图片描述

这篇关于【Python自动化Excel】pandas操作Excel的“分分合合”的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!