Python辦公自動化實踐1：從多個excel表中提取數(shù)據(jù)并匯總到一個工作表頁中,表格,抽取,sheet

發(fā)表時間：2020-04-26

問題：從當前目錄或子目錄中查詢符合條件的excel表格，并從這些excel表格中抽取符合條件的行匯總到1個excel的sheet頁中。
所有excel表格名字為：交付清單1、交付清單2，交付清單3……，格式也一樣，樣式如下：
?將類似多個excle表中，抽取序號中的N行（上圖是1~4行）匯總到指定excel的sheet頁中。
該表格在DataFrame中的顯示方式如下：

一、希望得到的匯總表格為：
1、列頭是：“系統(tǒng)名稱、用途 、CPU 內(nèi)存、操作系統(tǒng)、內(nèi)網(wǎng)IP、 互聯(lián)網(wǎng)IP 、交付時間 、到期時間”
注意：列頭（columns header)是合并格。
2、刪除掉A列，刪除最后的空行
3、將交付時間，到期時間從datetime類型轉(zhuǎn)變?yōu)樽址愋?#xff1b; #第三方模塊datetime
4、將匯總表格中所有的單元格 字體，大小，字體是否據(jù)中等 全部調(diào)為一致；#第三方模塊xlsxwriter

二、具體實現(xiàn)步驟如下：
1、查詢符合條件的excel表； #第三方模塊os
2、用pandas讀取符合條件的表；
3、對讀入后的excel表（dataframe）進行裁剪；
4、將多個excel表格匯總到單一excel的sheet頁中；
5、將最終的sheet頁再進行單元格格式調(diào)整，再重新輸出新的sheet頁；
該腳本涉及第三方模塊有：pandas,os,datetime,xlsxwriter。

三、代碼展現(xiàn)
1、查詢符合條件的excel表
a、通過os.walk查詢當前目錄及子目錄中的文件
b、在這些文件中篩選匹配“交付清單”的文件
c、將匹配文件和絕對路徑“連接后”存放到列表中；

import numpy as np import pandas as pd import xlsxwriter import os from pandas import Series,DataFrame from datetime import date,timedelta,datetimepath=r'D:\cloud_files' path_out=r'D:\cloud_files\vmachines_list.xlsx'substr='交付清單' file_list=[] for path_name,dirs,filename in os.walk(path):for files in filename:if files.find(substr)!=-1:file_list.append(os.path.join(path_name,files))

該段重點：
a、path_name 存放文件所在的絕對路徑，filename 存放文件名；
b、files.find(substr) 匹配substr字符串的文件，若不匹配返回-1，
若匹配，返回該字符串在文件名中第一次匹配成功的位置。
c、os.path.join(path_name,files)將絕對路徑與匹配的文件結(jié)合起來,再存放到file_list列表中。

file_list列表中的數(shù)據(jù)：

['D:\\cloud_files\\~$交付清單01.xlsx', 'D:\\cloud_files\\交付清單01.xlsx', 'D:\\cloud_files\\交付清單02.xlsx', 'D:\\cloud_files\\交付清單03.xlsx']

在交付清單01.xlsx 是打開的情況下，提交該段程序，將會出現(xiàn)~$交付清單01.xlsx。
表示該表被進程占用。

2、用pandas讀取符合條件的表
a、通過pandas讀取在file_list中的excel表格；
b、并將結(jié)果寫入到vm_tmplist 臨時列表中。

vm_tmplist=[] for item in file_list:if '~$' not in item:temp=pd.read_excel(item,sheet_name='交付清單',skiprows=2,usecols='B:J')vm_tmplist.append(temp)

該段重點：
a、跳過excel中的前兩行，并定義B到J列區(qū)域；

3、對讀入后的excel表（dataframe）進行裁剪
a、選擇合適的列頭；
b、刪除掉A列，刪除最后的空行
c、將交付時間，到期時間從datetime類型轉(zhuǎn)變?yōu)樽址愋?#xff1b;
轉(zhuǎn)換的原因是xlsxwriter不支持對時間類型，index，columns類型的單元格進行格式化。
官網(wǎng)原文：It isn’t possible to format any cells that already have a format
such as the index or headers or any cells that contain dates or datetimes .

def trim_frame(df):df.columns=np.concatenate([df.columns[:3],df.iloc[0,3:5],df.columns[5:]])df=df.dropna(subset=['系統(tǒng)名稱'])df=df.loc[(df['序號'].isin(range(1,10,1)))]df['交付時間']=pd.to_datetime(df['交付時間'],errors='coerce').dt.strftime('%Y-%m-%d')df['到期時間']=pd.to_datetime(df['到期時間'],errors='coerce').dt.strftime('%Y-%m-%d')return dffor value in vm_tmplist:df=trim_frame(value)vm_trimlist.append(df)

本段重點：
a、將前三列（0，1，2）的columns（列名）與第0行的第3、4列及columns第5列至最后一列合并；
通過numpy.concatenate函數(shù)合并
b、將“系統(tǒng)名稱”列中空格（NaN）所在的行去掉；
c、選取“序號”列中數(shù)字為1~10所在的行；
d、將“交付時間”，“到期時間”兩列datetime類型數(shù)據(jù)轉(zhuǎn)換為string。
e、將“修剪好的”表存入vm_trimlist列表中；

4、將多個excel表格匯總到單一excel的sheet頁中
a、調(diào)用xlsxwriter引擎；
b、從vm_list列表中選取“修剪好”的數(shù)據(jù)，按順序?qū)懭氲健疤摍C清單”sheet頁中；
c、保存寫好后的數(shù)據(jù).writer.save()

def trimDfs_to_Excel(df_list, sheets, path_out):writer = pd.ExcelWriter(path_out,engine='xlsxwriter') row = 0for dataframe in df_list:dataframe.to_excel(writer,sheet_name=sheets,startrow=row,startcol=0,index=False) row = row + len(dataframe.index) + 1writer.save()trimDfs_to_Excel(vm_trimlist,'虛機清單',path_out)

本段重點：
a、從vm_trimlist中讀取數(shù)據(jù)（注：df_list是形參）
b、定義row=0，開始寫的行startrow=row。
第2張表寫入時，啟始位置是第1張表的長度len(dataframe.index) 加1（第一行是從0開始的，所以加1，避免第2張表第一行沖掉第一張表最后一行）
c、to_excel（index=False）是防止將索引（index）寫入excel表內(nèi)。

5、將最終的sheet頁再進行單元格格式調(diào)整，重新輸出新的sheet頁；
a、重新讀取輸出的表；
b、讀取后，將該表刪掉；因為xlsxwriter不能對原表進行修改；
c、對單元格及列頭（columns header）進行格式化；
d、重新輸出新表

def formatExcel(df,path):df=df.loc[df['序號'].isin(range(1,10,1))]os.remove(path)df.reset_index(drop=True,inplace=True)for i in df.index:df['序號'].at[i]=i+1writer = pd.ExcelWriter(path,engine='xlsxwriter')df.to_excel(writer,sheet_name='虛機清單',index=False)workbook=writer.bookworksheet=writer.sheets['虛機清單']fmt_cell={'bold':False,'font_name':'微軟雅黑','font_size':9,'align':'center','valign':'vcenter','border':0,'num_format':'#,##0'}fmt_header={'bold':True,'font_name':'微軟雅黑','font_size':10,'align':'center','valign':'vcenter','border':0}cell_format=workbook.add_format(fmt_cell)header_format=workbook.add_format(fmt_header)worksheet.set_column('A:I',15,cell_format)for colx,value in enumerate(df.columns.values):worksheet.write(0,colx,value,header_format)writer.save()formatExcel(pd.read_excel(path_out),path_out) print ('Done!')

該段重點：
a、對序號列重新賦值新的數(shù)字，df[‘序號’].at[i]=i+1；
b、定義單元格（cell）格式；
c、定義列頭的格式，通過worksheet.write的方式；

生成的新表：

總結(jié)

以上是生活随笔為你收集整理的Python办公自动化实践1：从多个excel表中提取数据并汇总到一个工作表页中,表格,抽取,sheet的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。