🤵♂️ 个人主页：@艾派森的个人主页
✍🏻作者简介：Python学习者
🐋 希望大家多多支持，我们一起进步！😄
如果文章对你有帮助的话，
欢迎评论 💬点赞👍🏻 收藏 📂加关注+
目录
一、Python处理Excel
-
Python处理Excel的好处
-
开源库支持：Python 有许多开源库（例如 openpyxl、xlrd、xlwt、pandas 等）可以用于读取、写入和操作 Excel 文件，这些库丰富而强大，支持各种 Excel 格式，包括 .xls 和 .xlsx。
-
数据处理能力：Python 具有强大的数据处理能力，可以轻松地从 Excel 文件中提取、转换和操作数据，包括数据清洗、筛选、合并、计算和可视化。
-
自动化：Python 可以用于自动化 Excel 任务，例如批量处理多个 Excel 文件，根据特定条件过滤和修改数据，自动生成报告和图表，以及自动发送电子邮件等。
-
与其他库集成：Python 可以与其他数据处理和分析库（如 NumPy、pandas、Matplotlib 等）无缝集成，使您能够在 Excel 数据上执行更复杂的分析和可视化。
-
跨平台性：Python 是跨平台的，可以在 Windows、Mac 和 Linux 等操作系统上运行，因此可以轻松地处理来自不同平台的 Excel 文件。
-
社区支持和文档：Python 社区非常庞大，有大量的文档、教程和示例代码可供学习和参考，帮助您解决与 Excel 处理相关的问题。
-
可扩展性：如果标准库中的功能不足以满足您的需求，您还可以使用其他第三方库来扩展 Python 的 Excel 处理功能，或者编写自定义脚本来执行特定的操作。
-
Python处理Excel主要有三大类库
-
openpyxl：
- 优势：openpyxl 是一个功能丰富的库，用于读取、写入和编辑 Excel 文件，特别适用于处理 .xlsx 格式的文件。它支持大多数 Excel 功能，包括工作表的创建、修改、格式化，单元格内容的读取和写入，以及图表的创建。
- 适用场景：如果您需要与 Excel 2007及更高版本的 .xlsx 文件进行交互，openpyxl 是一个很好的选择。
-
xlrd 和 xlwt：
- xlrd 用于读取 Excel 文件，而 xlwt 用于创建和写入 Excel 文件，主要支持 .xls 格式。
- 优势：虽然这两个库在处理 .xlsx 文件方面不如 openpyxl 强大，但它们在处理早期版本的 Excel 文件（.xls 格式）方面非常有用，而且它们简单易用。
- 适用场景：当您需要与较早版本的 Excel 文件进行交互时，或者需要在读取和写入操作中保持兼容性时，可以考虑使用这些库。
-
pandas：
- 优势：pandas 是一个强大的数据分析库，可以轻松地处理各种数据，包括从 Excel 文件中读取数据。它可以读取和写入 Excel 文件，支持 .xls 和 .xlsx 格式，并提供了丰富的数据处理和分析功能。
- 适用场景：pandas 特别适合在数据分析、数据清洗、数据转换和数据可视化等任务中处理 Excel 数据。它使得在 Python 中进行复杂的数据操作变得容易。
-
开发环境
操作系统：使用windows
Python版本：系统中需要安装Python3.8以上的版本
开发工具：选择 jupyter notebook
二、在Excel中按条件筛选数据并存入新的表
技术工具：
Python版本:3.9
代码编辑器：jupyter notebook
老板想要看去年每月领料数量大于1000的数据。手动筛选并复制粘贴出来，需要重复操作12次，实在太麻烦了，还是让Python来做吧。磨刀不误砍柴工，先整理一下思路：
1. 读取原表，将数量大于1000的数据所对应的行整行提取（如同在excel表中按数字筛选大于1000的）
2. 将提取的数据写入新的Excel表
#1.获取满足条件的数据
from openpyxl import load_workbook
wb = load_workbook("每月物料表.xlsx")
data = {} #储存所有工作表中满足条件的数据，以工作表名称为键
sheet_names = wb.sheetnames
for sheet_name in sheet_names:
ws = wb[sheet_name]
qty_list = []
#获取G列的数据，并用enumrate给其对应的元素编号
for row in range(2,ws.max_row+1):
qty = ws['G'+str(row)].value
qty_list.append(qty)
qty_idx = list(enumerate(qty_list)) #用于编号
#判断数据是否大于1000，然后返回大于1000的数据所对应的行数
row_idx = [] #用于储存数量大于1000所对应的的行号
for i in range(len(qty_idx)):
if qty_idx[i][1] > 1000:
row_idx.append(qty_idx[i][0]+2)
#获取满足条件的数据
data_morethan1K = []
for i in row_idx:
data_morethan1K.append(ws['A'+str(i)+":"+'I'+str(i)])
data[sheet_name]=data_morethan1K 以上，我们把满足条件的12个月的数据提取并存入字典`data`，其键为对应的月份，比如“1月”，值就是满足条件的各行的数据。我们把“每月物料表”的G列对应的数据提取，存入列表`qty_list`，其中前10个数据是如下这样的。
qty_list[:10]
然后需要使用`enumerate`函数给这个列表的数据加上索引，以便在跟1000比大小的时候定位满足条件的那些数据的对应在Excel表中的行数。加上索引之后的列表是如下这样的，索引从0开始累加。
qty_idx[:10]
然后，再新建一个列表`row_idx`，用于储存“领料数量”大于1000的数据所对应的行号。此处用到`if`语句进行判断，只将“领料数量”大于1000的数据所对应的行号加上2存入列表。为什么要加2，是因为`range`函数是从0开始取的，然后工作表首行是字段名，第二行开始才是数据。如下结果显示了满足条件的数据对应的行数。
row_idx[:5]
然后新建列表`data_morethan1K`用于存储以上行号对应的整行数据。比如`ws['A1:I1']`就指第一行从A列到I列的所有单元格数据。最后将数据存入`data`字典中。数据结构如下所示。
data_morethan1K[1]
data['1月'] 
len(data['1月']) 
data['1月'][0][0][1].value 
数据提取完成后，就可以开始写入数据了。打开模板，按月从`data`字典中提取数据。并根据数据结构找到层级关系，将其中的各行的数据写入各单元格。写完之后，设置一下字号、边框即对齐方式，保存数据。到此收工！
#2.写入获取的数据
from openpyxl.styles import Border, Side, PatternFill, Font, GradientFill, Alignment
thin = Side(border_style="thin", color="000000")#定义边框粗细及颜色
wb = load_workbook("模板.xlsx")
ws = wb.active
for month in data.keys():
ws_new = wb.copy_worksheet(ws) #复制模板中的工作表
ws_new.title=month
#将每个月的数据条数逐个取出并写入新的工作表
for i in range(len(data[month])): #按数据行数计数，每行数据对应9列，所以每行需分别写入9个单元格
ws_new.cell(row=i+2,column=1).value=data[month][i][0][0].value
ws_new.cell(row=i+2,column=2).value=data[month][i][0][1].value
ws_new.cell(row=i+2,column=3).value=data[month][i][0][2].value
ws_new.cell(row=i+2,column=4).value=data[month][i][0][3].value.date()
ws_new.cell(row=i+2,column=5).value=data[month][i][0][4].value
ws_new.cell(row=i+2,column=6).value=data[month][i][0][5].value
ws_new.cell(row=i+2,column=7).value=data[month][i][0][6].value
ws_new.cell(row=i+2,column=8).value=data[month][i][0][7].value
ws_new.cell(row=i+2,column=9).value=data[month][i][0][8].value
#设置字号，对齐，缩小字体填充，加边框
#Font(bold=True)可加粗字体
for row_number in range(2, ws_new.max_row+1):
for col_number in range(1,10):
c = ws_new.cell(row=row_number,column=col_number)
c.font = Font(size=10)
c.border = Border(top=thin, left=thin, right=thin, bottom=thin)
c.alignment = Alignment(horizontal="left", vertical="center",shrink_to_fit = True)
wb.save("每月(大于1K).xlsx")华丽的结果如下：
三、往期推荐
四、文末推荐与福利
《ChatGPT进阶：提示工程入门》免费包邮送出3本！
内容简介：
《ChatGPT进阶：提示工程入门》是一本面向所有人的提示工程工具书，旨在帮助你掌握并有效利用以ChatGPT为代表的AI工具。学习完《ChatGPT进阶：提示工程入门》后，你将能够自如地将ChatGPT运用在生活和专业领域中，成为ChatGPT进阶玩家。
《ChatGPT进阶：提示工程入门》共分为9章，内容涵盖三个层次：介绍与解读、入门学习、进阶提升。第1～2章深入介绍与剖析了ChatGPT与提示工程，并从多个学科的角度探讨了提示工程学科。第3～5章演示了ChatGPT的实际运用，教你如何使用ChatGPT解决自然语言处理问题，并为你提供了一套可操作、可重复的提示设计框架，让你能够熟练驾驭ChatGPT。第6～9章讲解了来自学术界的提示工程方法，以及如何围绕ChatGPT进行创新；此外，为希望ChatGPT进行应用开发的读者提供了实用的参考资料，并介绍了除ChatGPT之外的其他选择。
《ChatGPT进阶：提示工程入门》聚焦ChatGPT的实际应用，可操作，可重复，轻松易读却不失深度。无论你是对ChatGPT及类似工具充满好奇，还是期待将其转化为生产力。编辑推荐：
系统：全面剖析ChatGPT应用技巧，带你从小白变身ChatGPT应用专家。
实用：内含开箱即用的“提示公式”，聚焦ChatGPT实际应用。
有思路，有办法，能落地：带你将ChatGPT真正转化为生产力，开启AI驱动的工作流程。
简单易读：深入浅出，循序渐进，内含60 个示例，适合初学者和进阶读者。
深度：理论结合实际，涵盖提示工程学科深度讨论，授人以鱼更授人以渔。
- 抽奖方式：评论区随机抽取3位小伙伴免费送出！
- 参与方式：关注博主、点赞、收藏、评论区评论“人生苦短，拒绝内卷！”（切记要点赞+收藏，否则抽奖无效，每个人最多评论三次！）
- 活动截止时间：2023-10-05 20:00:00
名单公布时间：2023-10-05 21:00:00
1704
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
