快捷導(dǎo)航

Python自動化處理Excel數(shù)據(jù)的操作過程

更新時(shí)間：2023年11月02日 08:56:36 作者：qwerrt9

在實(shí)際數(shù)據(jù)處理和分析過程中，經(jīng)常會遇到需要從大量數(shù)據(jù)中提取出特定日期范圍內(nèi)的信息的需求，本文將介紹如何使用Python的pandas庫來處理Excel文件，感興趣的朋友跟隨小編一起看看吧

需求描述：數(shù)據(jù)格式如下所示，需要分離出2023年7月1號之后的數(shù)據(jù)明細(xì)
數(shù)據(jù)核對與處理：從Excel文件中提取特定日期后的簽收數(shù)據(jù)
1. 引言
2. 準(zhǔn)備工作
3. 設(shè)置顯示選項(xiàng)
4. 讀取Excel數(shù)據(jù)文件
5. 數(shù)據(jù)處理
6. 篩選數(shù)據(jù)并保存結(jié)果
7. 結(jié)果展示
8. 總結(jié)
完整代碼:

需求描述：數(shù)據(jù)格式如下所示，需要分離出2023年7月1號之后的數(shù)據(jù)明細(xì)

數(shù)據(jù)核對與處理：從Excel文件中提取特定日期后的簽收數(shù)據(jù)

1. 引言

在實(shí)際數(shù)據(jù)處理和分析過程中，經(jīng)常會遇到需要從大量數(shù)據(jù)中提取出特定日期范圍內(nèi)的信息的需求。本文將介紹如何使用Python的pandas庫來處理Excel文件，并提取出2023年7月1日之后的簽收數(shù)據(jù)。

2. 準(zhǔn)備工作

首先，我們需要導(dǎo)入所需的庫。在本文中，我們將使用pandas庫來處理Excel文件。

import pandas as pd

3. 設(shè)置顯示選項(xiàng)

為了能夠正確顯示所有列和行，我們可以設(shè)置pandas的顯示選項(xiàng)。

pd.set_option('display.max_columns', None)
pd.set_option('display.max_rows', None)

4. 讀取Excel數(shù)據(jù)文件

接下來，我們使用pd.read_excel()函數(shù)來讀取Excel文件中的數(shù)據(jù)，并指定nrows參數(shù)來限制讀取的行數(shù)。

data = pd.read_excel('C:\\Users\\Admin\\Desktop\\數(shù)據(jù)核對\\工作簿2.xlsx', nrows=600)

5. 數(shù)據(jù)處理

為了方便后續(xù)操作，我們將DataFrame的索引設(shè)置為“貨件單號”和“SKU”。

data = data.set_index(['貨件單號', 'SKU'])

然后，我們將“簽收明細(xì)”這一列進(jìn)行拆分，并將拆分后的每個(gè)數(shù)據(jù)項(xiàng)排成多行。

data = data['簽收明細(xì)'].str.split('\n', expand=True).stack().reset_index(level=2, drop=True)
data.name = '簽收明細(xì)'

接著，我們從拆分后的數(shù)據(jù)中提取出“日期”和“數(shù)量”兩列，并將其轉(zhuǎn)換為正確的數(shù)據(jù)類型。

data = data.str.split(' \| ', expand=True)
data.columns = ['日期', '數(shù)量']
data['日期'] = pd.to_datetime(data['日期'])
data['數(shù)量'] = pd.to_numeric(data['數(shù)量'])

6. 篩選數(shù)據(jù)并保存結(jié)果

現(xiàn)在，我們可以篩選出2023年7月1日之后的數(shù)據(jù)，并將結(jié)果保存到Excel文件中。

result = data[data['日期'] >= '2023-07-01'].reset_index()
result.to_excel('2023年7月1號之后簽收數(shù)據(jù).xlsx', index=True)

7. 結(jié)果展示

最后，我們輸出提示信息，顯示結(jié)果已經(jīng)保存到文件中。

print(f"結(jié)果已經(jīng)保存到文件中：2023年7月1號之后簽收數(shù)據(jù).xlsx")

8. 總結(jié)

本文介紹了如何使用Python的pandas庫處理Excel文件，并提取出特定日期范圍內(nèi)的簽收數(shù)據(jù)。通過設(shè)置顯示選項(xiàng)、讀取Excel文件、進(jìn)行數(shù)據(jù)處理、篩選數(shù)據(jù)并保存結(jié)果，我們能夠高效地處理大量數(shù)據(jù)，并得到我們需要的信息

完整代碼:

import pandas as pd
# 設(shè)置最大列數(shù)為 None，以顯示所有列
pd.set_option('display.max_columns', None)
# 設(shè)置最大行數(shù)為 None，以顯示所有行
pd.set_option('display.max_rows', None)
# 讀取Excel數(shù)據(jù)文件
data = pd.read_excel('C:\\Users\\Admin\\Desktop\\數(shù)據(jù)核對\\工作簿2.xlsx', nrows=600)
# 輸出全部數(shù)據(jù)（顯示所有行和列）
print(data)
# 將DataFrame的索引設(shè)置為“貨件單號”和“SKU”，以便后續(xù)操作
data = data.set_index(['貨件單號', 'SKU'])
# 將“簽收明細(xì)”這一列進(jìn)行拆分，并將拆分后的每個(gè)數(shù)據(jù)項(xiàng)排成多行
data = data['簽收明細(xì)'].str.split('\n', expand=True).stack().reset_index(level=2, drop=True)
data.name = '簽收明細(xì)'
# 從拆分后的數(shù)據(jù)中提取“日期”和“數(shù)量”兩列
data = data.str.split(' \| ', expand=True)
data.columns = ['日期', '數(shù)量']
data['日期'] = pd.to_datetime(data['日期'])
data['數(shù)量'] = pd.to_numeric(data['數(shù)量'])
# 篩選出 2023 年 7 月 1 日之后的數(shù)據(jù)，并將結(jié)果保存到 Excel 文件中
result = data[data['日期'] >= '2023-07-01'].reset_index() # 篩選符合條件的行，并重置索引
result.to_excel('2023年7月1號之后簽收數(shù)據(jù).xlsx', index=True) # 將結(jié)果保存到 Excel 文件中
# 輸出提示信息
print(f"結(jié)果已經(jīng)保存到文件中：2023年7月1號之后簽收數(shù)據(jù).xlsx")

到此這篇關(guān)于Python自動化處理Excel數(shù)據(jù)的文章就介紹到這了,更多相關(guān)Python 處理Excel數(shù)據(jù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: