Python代码整理逻辑思路

学习内容：

1. 看懂代码，并整理逻辑思路

---

学习产出：

# 导入openpyxl和pandas库
import openpyxl
import pandas as pd
#from openpyxl import load_workbook
# 打开excel文件，假设文件名为excel_file.xlsx
wb = openpyxl.load_workbook("excel.xlsx")

# 获取所有的sheet名字
sheet_names = wb.sheetnames

# 定义一个空列表，用来存储每个sheet的数据
data_frames = []

# 遍历每个sheet名字
for sheet_name in sheet_names:
    # 读取每个sheet的数据，返回一个DataFrame对象
    df = pd.read_excel("excel.xlsx", sheet_name=sheet_name, header=None)
    # 定义一个空列表，用来存储每个sheet的每一列
    col_list = []

    # 遍历每个sheet的每一列
    for col in df.columns:
        # 定义一个空列表，用来存储每一列的满足条件的单元格内容
        sub_list = []

        # 定义一个标志变量，用来判断是否遇到“质量问题”
        flag = False

        # 遍历每一列的每一个单元格
        for cell in df[col]:
            # 如果遇到“质量问题”，将标志变量设为True
            if "质量问题" in str(cell):
                flag = True

            # 如果标志变量为True，并且单元格不为空，将单元格的内容添加到sub_list中
            if flag and not pd.isna(cell):
                if "质量问题" in str(cell) or not len(str(cell)):
                    continue
                else:
                    sub_list.append(cell)


            # 如果标志变量为True，并且单元格为空，将标志变量设为False，结束当前列的循环
            if flag and pd.isna(cell):
                flag = False

        if sub_list:
            # 将sub_list添加到col_list中
            col_list.append(sub_list)
    if col_list:
    #将col_list添加到data_frames中
        data_frames.append(col_list)

# 打印data_frames
print(data_frames)

# 遍历data_frames列表，将每个子列表转换为一个DataFrame对象，并写入到一个新的sheet中
sheet = wb.create_sheet(f"结果")
for index, row in enumerate(data_frames):
    # 创建一个新的sheet，并指定一个唯一的名字
    # sheet = wb.create_sheet(f"结果{index + 1}")
    for i in row:
        # 将每一行数据写入到新的sheet中
        print(i)

        sheet.append(i)


# 保存工作簿
wb.save('excel_file.xlsx')
# 关闭工作簿
wb.close()

1、逻辑思路
1）首先导入openpyxl库和pandas库，并定义wb来接收读入的excel.xlsx文件
pandas库
pandas库中最常用的数据类型是Series和DataFrame。Series是一维数组，拥有数据与索引。DataFrame则是一个类似于表格的二维数据结构，其中储存了多个Series。

1.1）Pandas Series 类似表格中的一个列（column），类似于一维数组，可以保存任何数据类型。

Series 由索引（index）和列组成，函数如下：

pandas.Series( data, index, dtype, name, copy)
参数说明：

• data：一组数据(ndarray 类型)。
• index：数据索引标签，如果不指定，默认从 0 开始。
• dtype：数据类型，默认会自己判断。
• name：设置名称。
• copy：拷贝数据，默认为 False。
  实例：
  

1.2）DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame
既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。Pandas DataFrame 是一个二维的数组结构，类似二维数组。

DataFrame 构造方法如下：

pandas.DataFrame( data, index, columns, dtype, copy)
参数说明：

• data：一组数据(ndarray、series, map, lists, dict 等类型)。
• index：索引值，或者可以称为行标签。
• columns：列标签，默认为 RangeIndex (0, 1, 2, …, n) 。
• dtype：数据类型。
• copy：拷贝数据，默认为 False。

实例：

openpyxl库
主要用途：openpyxl库是用于读取、修改和创建Excel xlsx/xlsm/xltm文件的Python库。 它可以用于：

1. 创建Excel文件和工作表，以及添加和修改数据。
2. 读取Excel文件中的数据。
3. 使用Excel图表。
4. 使用Excel公式和函数。
5. 处理大量数据。

开发人员可以利用这些功能，快速而准确地处理工作簿和工作表。
包含的函数：
以下是openpyxl库中的一些非常有用的功能：

1. load_workbook() – 用于加载Excel文件。
2. sheet.cell() – 用于选择单元格。
3. sheet.iter_rows(min_row=1, min_col=1, max_row=10, max_col=3) –
   用于迭代二维数据区域
4. sheet.iter_cols(min_row=1, min_col=1, max_row=10, max_col=3) –
   用于迭代二维数据区域的列。
5. ws.rows – 返回工作表所有行的元组。
6. ws.columns – 返回工作表所有列的元组。
7. ws.append() – 用于向工作表添加行。
8. ws.delete_rows() – 删除行。
9. ws.cell(row=1, column=1).value = 1 – 在指定位置写入一个值。

因为openpyxl里面已经封装好了，所以不会对excel表格进行无下限的遍历操作—https://blog.csdn.net/2201_75571291/article/details/130941458

pandas和openpyxl的区别

• Openpyxl是一个专门用于处理Excel文件的库，它提供了一些API用于读取、写入、修改Excel文件，并支持Excel的各种特性，如图表、数据透视表等。
• 而Pandas则是一个用于数据分析和处理的库，它可以从多种数据源中读取数据（包括Excel文件），并提供了丰富的数据操作和分析功能。
• Openpyxl读取和写入Excel文件时速度比Pandas更快，但Pandas的处理和分析大量数据时更加高效。
  https://blog.csdn.net/2201_75571291/article/details/130941458

2）定义一些空列表

• 定义data_frames = []空表，用来存储excel表中子表sheet的数据
• 定义 col_list = []空列表，用来存储每个sheet的每一列
• 定义 sub_list = []空列表，用来存储每一列的满足条件的单元格内容
• 定义一个标志变量 flag ，用来判断是否遇到“质量问题”，flag=true则为遇到质量问题的单元格

3）以遍历第一个sheet的第一列为例
3.1）读取第一个sheet数据，返回一个DataFrame对象

df = pd.read_excel("excel.xlsx", sheet_name=sheet_name, header=None)

3.2）遍历第一列的单元格

 for cell in df[col]:

3.3）扫描第一列，若第一次遇到“质量问题”的单元格则将flag=true

  # 如果遇到“质量问题”，将标志变量设为True
            if "质量问题" in str(cell):
                flag = True

3.4)若一列中第一个有“质量问题”的单元格设上了标志变量flag,则这列下面的单元格就进行以下判断，如果遇上有“质量问题”或为空的单元格则continue，不加入sub_list；其他不为空且没有“质量问题”的单元格则加入到sub_list中

 # 如果标志变量为True，并且单元格不为空，将单元格的内容添加到sub_list中
            if flag and not pd.isna(cell):
                if "质量问题" in str(cell) or not len(str(cell)):
                    continue
                else:
                    sub_list.append(cell)
   # 如果标志变量为True，并且单元格为空，将标志变量设为False，结束当前列的循环
            if flag and pd.isna(cell):
                flag = False

3.5）以此类推，遍历每个sheet的每列的每一个单元格，最后得到有质量问题数据的data_frames列表
3.6）遍历得到的data_frames列表，将数组按行存放转为按列存放，并添加进sheet表中。

# 遍历data_frames列表，将每个子列表转换为一个DataFrame对象，并写入到一个新的sheet中
sheet = wb.create_sheet(f"结果")
for index, row in enumerate(data_frames):
    # 创建一个新的sheet，并指定一个唯一的名字
    # sheet = wb.create_sheet(f"结果{index + 1}")
    for i in row:
        # 将每一行数据写入到新的sheet中
        print(i)

        sheet.append(i)

3.7）输出结果