skdata=pd.read_html(tab.prettify())
skdf=pd.DataFrame(skdata[0])
skdfs=skdfs.append(skdf)
print(‘已经完成第’+str(ski)+‘页’)
skdf.to_excel(“skfiles/”+str(ski)+“.xlsx”,encoding=‘utf-8-sig’) # 在skfiles文件夹下面
time.sleep(np.random.randint(5))
skdfs.to_excel(“skfiles.xlsx”,encoding=‘utf-8-sig’)
如图即为爬取的数据,会放到skfiles
文件夹下的Excel当中:
一个Excel当中有20条记录,那么如果是要让100条记录在一个Excel当中呢?
for ski in range(0,30): # 0-30页,我要每5页创建一个Excel文件
skdf=pd.DataFrame()
url=‘http://fz.people.com.cn/skygb/sk/index.php/index/seach/’+str(ski)
reuqest=urllib.request.Request(url,headers=headers)
content=urllib.request.urlopen(reuqest).read()
soup=BeautifulSoup(content,‘lxml’)
tables=soup.findAll(‘table’)
tab=tables[2] # 查找发现tables[2]是我们要的数据
skdata=pd.read_html(tab.prettify())
skdf=pd.DataFrame(skdata[0])
skdfs=skdfs.append(skdf)
print(‘已经完成第’+str(ski)+‘页’)
if((ski%10)==0):
skdf.to_excel(“skfiles/”+str(ski)+“.xlsx”,encoding=‘utf-8-sig’) # 在skfiles文件夹下面
time.sleep(np.random.randint(5))
skdfs.to_excel(“skfiles.xlsx”,encoding=‘utf-8-sig’)
每隔5页创建一个Excel文件:
======================================================================
比如我们要把上面的5.xlsx到25.xlsx合并起来,应该如果做呢
调用查询编辑器power quer:
导入数据源:将10.xlsx与25.xlsx进行连接:
此时即追加成功
我要将下图的两个Excel文件通过Python进行合并
注:不能直接写("skdf2810.xlsx",usecols=np.arange(1,21))
,要确保Python与Excel的文件路径一致。
import numpy as np
import pandas as pd
skdf1=pd.read_excel(“skfiles/skdf2810.xlsx”,usecols=np.arange(1,21))
skdf2=pd.read_excel(“skfiles/skdf5020.xlsx”,usecols=np.arange(1,21))
其中这句话的含义是:usecols=np.arange(1,21)
当读取表格的时候只从第一列开始读,第0列不用读,因为0列没有多大意义。
合并:
skdf=skdf1.append(skdf2)
skdf.info
关于Python的merge:
如果我把数据分成两半,sheet1是原始数据,sheet2是sheet1的前3行,sheet3是sheet1的后三行,则是否可以使用merge将后两张表进行合并呢?
以stus为例
studf1=pd.read_excel(“stus.xlsx”,“Sheet2”)
studf2=pd.read_excel(“stus.xlsx”,“Sheet3”) # df1与df2没有共同语言
stusdf=pd.read_excel(“stus.xlsx”)
如果直接使用下面这句代码是会报错的,因为studf1
和studf2
是没有相互关联的关键字(也就是两者没有共同语言),因此无法进行merge
连接。
display(studf1,studf2,pd.merge(studf1,studf2)) # 报错
但是仔细想想,studf1和studf2分别都和studf有共同语言啊!
stusdfm=pd.merge(studf1,stusdf,how=“left”)
#merge是考虑关系型数据,两者此时有共同语言
此时在sheet2最下面加一行数据:
此时就添加了: