广州机械网站建设外包,网站怎么做不违法,网络营销推广的方法,企业邮箱在哪里查#x1f935;♂️ 个人主页#xff1a;艾派森的个人主页 ✍#x1f3fb;作者简介#xff1a;Python学习者 #x1f40b; 希望大家多多支持#xff0c;我们一起进步#xff01;#x1f604; 如果文章对你有帮助的话#xff0c; 欢迎评论 #x1f4ac;点赞#x1f4… ♂️ 个人主页艾派森的个人主页 ✍作者简介Python学习者 希望大家多多支持我们一起进步 如果文章对你有帮助的话 欢迎评论 点赞 收藏 加关注
目录
一、Python处理Excel
二、在Excel中按条件筛选数据并存入新的表
三、往期推荐
四、文末推荐与福利 一、Python处理Excel Python处理Excel的好处
1.批量操作当要处理众多Excel文件时例如出现重复性的手工劳动那么使用Python就可以实现批量扫描文件、自动化进行处理利用代码代替手工重复劳动实现自动化是Python第一个比Excel强大的地方
2.大型文件当Excel文件超过几十兆、甚至上百兆时打开文件很慢、处理文件更加慢这时候若使用Python会发现处理几十兆、几百兆甚至几GB都是没有问题的
3.当使用Excel进行复杂的计算时会使用VBA但是VBA本身是过时并且复杂的语言Python是当前最简单且容易实现的一门语言用Python能够处理比VBA难度更高的业务逻辑
4.Python是通用语言不仅可以处理Excel使用Python就可以得到很多额外的功能例如爬虫、发布网页的Web服务、与数据库进行连接、同时结合word和PPT进行处理、加入定时任务处理、人工智能分析等各种额外的功能这是Excel和VBA所不具备的 Python处理Excel主要有三大类库
1.pandas是Python领域非常重要的用于数据分析和可视化的类库在处理Excel中90%可以利用pandas类库就可以搞掂利用pandas就可以读取Excel、处理Excel和输出Excel但是pandas也有缺点就是无法做到格式类例如Excel中合并单元、大量复杂的样式看起来很精美的时候用pandas无法搞掂此时依然是使用pandas结合openyxl、xlwings来搞掂需求
2.openpyxl若电脑上未安装office时也可以使用openpyxl这个类型可以运行在linux上并且也可以实现操作大部分Excel格式和样式的功能使用它配合pandas也可以完成大部分场景的需求
3.xlwings比openyxl更加强大只能运行在Windows或者Mac系统并且该系统中必须安装了office才能运行xlwings的原理就是基于当前系统已经安装好的office软件来进行功能的拓展来操作Excel 使用pandas的时候经常会结合其他类库来完成更加复杂的功能 requests, bs4可以完成爬虫的功能 flask可以做网页把表格展示在网页上 Matplotlib读取表格后进行可视化 sklearn进行复杂的数据分析时也可以结合机器学习Sklearn把读取的Excel数据进行数据分析和机器学习 Python-docx也可以结合Python-docx类库实现Excel和word的互通 smtplib也可以使用smtplib讲Excel数据发送邮件出去 开发环境
操作系统使用windows, mac都可以
Python版本系统中需要安装Python3.6以上的版本Python2已经过期不建议使用Python3.6以前的版本功能相对弱最好就是采用Python3.6以上的版本
开发工具有两个可以选择jupyter notebook是个网页编辑器可以运行Python常常用于交互性、探索性的开发pycharm用于成熟脚本或者web服务的一些开发这两个工具可以随意选择。
二、在Excel中按条件筛选数据并存入新的表
技术工具
Python版本:3.9
代码编辑器jupyter notebook 老板想要看去年每月领料数量大于1000的数据。手动筛选并复制粘贴出来需要重复操作12次实在太麻烦了还是让Python来做吧。磨刀不误砍柴工先整理一下思路
1. 读取原表将数量大于1000的数据所对应的行整行提取如同在excel表中按数字筛选大于1000的
2. 将提取的数据写入新的Excel表
#1.获取满足条件的数据
from openpyxl import load_workbook
wb load_workbook(每月物料表.xlsx)
data {} #储存所有工作表中满足条件的数据以工作表名称为键
sheet_names wb.sheetnames
for sheet_name in sheet_names:ws wb[sheet_name]qty_list []#获取G列的数据并用enumrate给其对应的元素编号for row in range(2,ws.max_row1):qty ws[Gstr(row)].valueqty_list.append(qty)qty_idx list(enumerate(qty_list)) #用于编号#判断数据是否大于1000然后返回大于1000的数据所对应的行数row_idx [] #用于储存数量大于1000所对应的的行号for i in range(len(qty_idx)):if qty_idx[i][1] 1000:row_idx.append(qty_idx[i][0]2)#获取满足条件的数据 data_morethan1K []for i in row_idx:data_morethan1K.append(ws[Astr(i):Istr(i)])data[sheet_name]data_morethan1K 以上我们把满足条件的12个月的数据提取并存入字典data其键为对应的月份比如“1月”值就是满足条件的各行的数据。我们把“每月物料表”的G列对应的数据提取存入列表qty_list其中前10个数据是如下这样的。 qty_list[:10] 然后需要使用enumerate函数给这个列表的数据加上索引以便在跟1000比大小的时候定位满足条件的那些数据的对应在Excel表中的行数。加上索引之后的列表是如下这样的索引从0开始累加。 qty_idx[:10] 然后再新建一个列表row_idx用于储存“领料数量”大于1000的数据所对应的行号。此处用到if语句进行判断只将“领料数量”大于1000的数据所对应的行号加上2存入列表。为什么要加2是因为range函数是从0开始取的然后工作表首行是字段名第二行开始才是数据。如下结果显示了满足条件的数据对应的行数。 row_idx[:5] 然后新建列表data_morethan1K用于存储以上行号对应的整行数据。比如ws[A1:I1]就指第一行从A列到I列的所有单元格数据。最后将数据存入data字典中。数据结构如下所示。 data_morethan1K[1] data[1月] len(data[1月]) data[1月][0][0][1].value 数据提取完成后就可以开始写入数据了。打开模板按月从data字典中提取数据。并根据数据结构找到层级关系将其中的各行的数据写入各单元格。写完之后设置一下字号、边框即对齐方式保存数据。到此收工 #2.写入获取的数据
from openpyxl.styles import Border, Side, PatternFill, Font, GradientFill, Alignment
thin Side(border_stylethin, color000000)#定义边框粗细及颜色wb load_workbook(模板.xlsx)
ws wb.active
for month in data.keys():ws_new wb.copy_worksheet(ws) #复制模板中的工作表ws_new.titlemonth #将每个月的数据条数逐个取出并写入新的工作表for i in range(len(data[month])): #按数据行数计数每行数据对应9列所以每行需分别写入9个单元格ws_new.cell(rowi2,column1).valuedata[month][i][0][0].valuews_new.cell(rowi2,column2).valuedata[month][i][0][1].valuews_new.cell(rowi2,column3).valuedata[month][i][0][2].valuews_new.cell(rowi2,column4).valuedata[month][i][0][3].value.date()ws_new.cell(rowi2,column5).valuedata[month][i][0][4].valuews_new.cell(rowi2,column6).valuedata[month][i][0][5].valuews_new.cell(rowi2,column7).valuedata[month][i][0][6].valuews_new.cell(rowi2,column8).valuedata[month][i][0][7].valuews_new.cell(rowi2,column9).valuedata[month][i][0][8].value#设置字号对齐缩小字体填充加边框#Font(boldTrue)可加粗字体for row_number in range(2, ws_new.max_row1):for col_number in range(1,10):c ws_new.cell(rowrow_number,columncol_number)c.font Font(size10)c.border Border(topthin, leftthin, rightthin, bottomthin)c.alignment Alignment(horizontalleft, verticalcenter,shrink_to_fit True)
wb.save(每月(大于1K).xlsx) 华丽的结果如下
三、往期推荐
Python提取pdf中的表格数据附实战案例
使用Python自动发送邮件
Python操作ppt和pdf基础
Python操作word基础
Python操作excel基础
使用Python一键提取PDF中的表格到Excel 使用Python批量生成PPT版荣誉证书
使用Python批量处理Excel文件并转为csv文件
四、文末推荐与福利 《ChatGPT进阶提示工程入门》免费包邮送出3本 内容简介 《ChatGPT进阶提示工程入门》是一本面向所有人的提示工程工具书旨在帮助你掌握并有效利用以ChatGPT为代表的AI工具。学习完《ChatGPT进阶提示工程入门》后你将能够自如地将ChatGPT运用在生活和专业领域中成为ChatGPT进阶玩家。 《ChatGPT进阶提示工程入门》共分为9章内容涵盖三个层次介绍与解读、入门学习、进阶提升。第12章深入介绍与剖析了ChatGPT与提示工程并从多个学科的角度探讨了提示工程学科。第35章演示了ChatGPT的实际运用教你如何使用ChatGPT解决自然语言处理问题并为你提供了一套可操作、可重复的提示设计框架让你能够熟练驾驭ChatGPT。第69章讲解了来自学术界的提示工程方法以及如何围绕ChatGPT进行创新此外为希望ChatGPT进行应用开发的读者提供了实用的参考资料并介绍了除ChatGPT之外的其他选择。 《ChatGPT进阶提示工程入门》聚焦ChatGPT的实际应用可操作可重复轻松易读却不失深度。无论你是对ChatGPT及类似工具充满好奇还是期待将其转化为生产力。 编辑推荐 系统全面剖析ChatGPT应用技巧带你从小白变身ChatGPT应用专家。 实用内含开箱即用的“提示公式”聚焦ChatGPT实际应用。 有思路有办法能落地带你将ChatGPT真正转化为生产力开启AI驱动的工作流程。 简单易读深入浅出循序渐进内含60 个示例适合初学者和进阶读者。 深度理论结合实际涵盖提示工程学科深度讨论授人以鱼更授人以渔。 抽奖方式评论区随机抽取3位小伙伴免费送出参与方式关注博主、点赞、收藏、评论区评论“人生苦短拒绝内卷”切记要点赞收藏否则抽奖无效每个人最多评论三次活动截止时间2023-10-05 20:00:00 京东购买链接https://item.jd.com/14098844.html 当当网购买链接http://product.dangdang.com/29612772.html 名单公布时间2023-10-05 21:00:00
