python之DataFrame實(shí)現(xiàn)excel合并單元格
在工作中經(jīng)常遇到需要將數(shù)據(jù)輸出到excel,且需要對(duì)其中一些單元格進(jìn)行合并,比如如下表表格,需要根據(jù)A列的值,合并B、C列的對(duì)應(yīng)單元格
pandas中的to_excel方法只能對(duì)索引進(jìn)行合并,而xlsxwriter中,雖然提供有merge_range方法,但是這只是一個(gè)和基礎(chǔ)的方法,每次都需要編寫繁瑣的測(cè)試才能最終調(diào)好,而且不能很好的重用。所以想自己寫一個(gè)方法,結(jié)合dataframe和merge_range。大概思路是:
1、定義一個(gè)MY_DataFrame類,繼承DataFrame類,這樣能很好的利用pandas的很多特性,而不用自己重新組織數(shù)據(jù)結(jié)構(gòu)。
2、定義一個(gè)my_mergewr_excel方法,參數(shù)分別為:輸出excel的路徑、用于判斷是否需要合并的key_cols列表、用于指明哪些列上的單元格需要被合并的列表
3、將MY_DataFrame封裝為一個(gè)My_Module模塊,以備重用。
合并的算法如下:
1、根據(jù)給定參數(shù)的【關(guān)鍵列】,進(jìn)行分組計(jì)數(shù)和排序,添加CN和RN兩個(gè)輔助列
2、判斷CN大于1的,該分組需要合并,否則該分組(行)無(wú)需合并(CN=1說明這個(gè)分組數(shù)據(jù)行是唯一的,無(wú)需合并)
3、對(duì)應(yīng)需要合并的分組,判斷當(dāng)前列是不是在給定參數(shù)【合并列】中,是則用合并寫excel單元格,否則就是普通的寫excel單元格。
4、在需要合并的列中,如果對(duì)于的RN=1則調(diào)用merge_range,一次性寫想下寫CN個(gè)單元格,如果RN>1則跳過該單元格,因?yàn)樵赗N=1的時(shí)候,已經(jīng)合并寫了該單元格,若再重復(fù)調(diào)用erge_range,打開excel文檔時(shí)會(huì)報(bào)錯(cuò)。
用圖解釋如下:
具體代碼如下:
# -*- coding: utf-8 -*- """ Created on 20170301 @author: ARK-Z """ import xlsxwriter import pandas as pd class My_DataFrame(pd.DataFrame): def __init__(self, data=None, index=None, columns=None, dtype=None, copy=False): pd.DataFrame.__init__(self, data, index, columns, dtype, copy) def my_mergewr_excel(self,path,key_cols=[],merge_cols=[]): # sheet_name='Sheet1', na_rep='', float_format=None, columns=None, header=True, index=True, index_label=None, startrow=0, startcol=0, engine=None, merge_cells=True, encoding=None, inf_rep='inf', verbose=True): self_copy=My_DataFrame(self,copy=True) line_cn=self_copy.index.size cols=list(self_copy.columns.values) if all([v in cols for i,v in enumerate(key_cols)])==False: #校驗(yàn)key_cols中各元素 是否都包含與對(duì)象的列 print("key_cols is not completely include object's columns") return False if all([v in cols for i,v in enumerate(merge_cols)])==False: #校驗(yàn)merge_cols中各元素 是否都包含與對(duì)象的列 print("merge_cols is not completely include object's columns") return False wb2007 = xlsxwriter.Workbook(path) worksheet2007 = wb2007.add_worksheet() format_top = wb2007.add_format({'border':1,'bold':True,'text_wrap':True}) format_other = wb2007.add_format({'border':1,'valign':'vcenter'}) for i,value in enumerate(cols): #寫表頭 #print(value) worksheet2007.write(0,i,value,format_top) #merge_cols=['B','A','C'] #key_cols=['A','B'] if key_cols ==[]: #如果key_cols 參數(shù)不傳值,則無(wú)需合并 self_copy['RN']=1 self_copy['CN']=1 else: self_copy['RN']=self_copy.groupby(key_cols,as_index=False).rank(method='first').ix[:,0] #以key_cols作為是否合并的依據(jù) self_copy['CN']=self_copy.groupby(key_cols,as_index=False).rank(method='max').ix[:,0] #print(self) for i in range(line_cn): if self_copy.ix[i,'CN']>1: #print('該行有需要合并的單元格') for j,col in enumerate(cols): #print(self_copy.ix[i,col]) if col in (merge_cols): #哪些列需要合并 if self_copy.ix[i,'RN']==1: #合并寫第一個(gè)單元格,下一個(gè)第一個(gè)將不再寫 worksheet2007.merge_range(i+1,j,i+int(self_copy.ix[i,'CN']),j, self_copy.ix[i,col],format_other) ##合并單元格,根據(jù)LINE_SET[7]判斷需要合并幾個(gè) #worksheet2007.write(i+1,j,df.ix[i,col]) else: pass #worksheet2007.write(i+1,j,df.ix[i,j]) else: worksheet2007.write(i+1,j,self_copy.ix[i,col],format_other) #print(',') else: #print('該行無(wú)需要合并的單元格') for j,col in enumerate(cols): #print(df.ix[i,col]) worksheet2007.write(i+1,j,self_copy.ix[i,col],format_other) wb2007.close() self_copy.drop('CN', axis=1) self_copy.drop('RN', axis=1)
調(diào)用代碼:
import My_Module DF=My_DataFrame({'A':[1,2,2,2,3,3],'B':[1,1,1,1,1,1],'C':[1,1,1,1,1,1],'D':[1,1,1,1,1,1]}) DF Out[120]: A B C D 0 1 1 1 1 1 2 1 1 1 2 2 1 1 1 3 2 1 1 1 4 3 1 1 1 5 3 1 1 1 DF.my_mergewr_excel('000_2.xlsx',['A'],['B','C'])
效果如下:
也可以設(shè)置合并A、B列:
DF.my_mergewr_excel('000_2.xlsx',['A'],['A','B'])
效果如下:
以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
python 實(shí)現(xiàn)查詢Neo4j多節(jié)點(diǎn)的多層關(guān)系
今天小編就為大家分享一篇python 實(shí)現(xiàn)查詢Neo4j多節(jié)點(diǎn)的多層關(guān)系,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-12-12Python遍歷zip文件輸出名稱時(shí)出現(xiàn)亂碼問題的解決方法
這篇文章主要介紹了Python遍歷zip文件輸出名稱時(shí)出現(xiàn)亂碼問題的解決方法,實(shí)例分析了Python亂碼的出現(xiàn)的原因與相應(yīng)的解決方法,需要的朋友可以參考下2015-04-04python去重,一個(gè)由dict組成的list的去重示例
今天小編就為大家分享一篇python去重,一個(gè)由dict組成的list的去重示例,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-01-01Python?中?key?參數(shù)的含義及用法小結(jié)
我們?cè)谑褂?sorted()?或?map()?函數(shù)的時(shí)候,都會(huì)看到里面有一個(gè)?key?參數(shù),其實(shí)這個(gè)?key?參數(shù)也存在于其他內(nèi)置函數(shù)中(例如?min()、max()?等),那么我們今天就來了解一下?key?參數(shù)的含義以及用途吧,需要的朋友可以參考下2023-12-12Python3轉(zhuǎn)換html到pdf的不同解決方案
今天小編就為大家分享一篇關(guān)于Python3轉(zhuǎn)換html到pdf的不同解決方案,小編覺得內(nèi)容挺不錯(cuò)的,現(xiàn)在分享給大家,具有很好的參考價(jià)值,需要的朋友一起跟隨小編來看看吧2019-03-03Python實(shí)現(xiàn)隨機(jī)密碼生成器實(shí)例
這篇文章主要介紹了Python實(shí)現(xiàn)隨機(jī)密碼生成器實(shí)例,string.printable是string中的可打印字符,用strip函數(shù)首尾去掉空格,random模塊用來取字符,random.choice隨機(jī)取字符,將隨機(jī)取出的字符與password空字符串進(jìn)行拼接,最后用print輸出,需要的朋友可以參考下2023-09-09PyTorch中的nn.ConvTranspose2d模塊詳解
nn.ConvTranspose2d是PyTorch中用于實(shí)現(xiàn)二維轉(zhuǎn)置卷積的模塊,廣泛應(yīng)用于生成對(duì)抗網(wǎng)絡(luò)(GANs)和卷積神經(jīng)網(wǎng)絡(luò)(CNNs)的解碼器中。該模塊通過參數(shù)如輸入輸出通道數(shù)、卷積核大小、步長(zhǎng)、填充等,能控制輸出尺寸和避免棋盤效應(yīng)2024-09-09