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:
在学习过程中有什么不懂得可以加我的 python学习交流扣扣qun,784758214 群里有不错的学习视频教程、开发工具与电子书籍。 与你分享python企业当下人才需求及怎么从零基础学习好python,和学习什么内容 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
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。