python 数据分析基础二：excel文件处理(一) 开端

之前博主已经讲完了对csv文件的操作，而且讲的也算比较细吧。那么需要学习数据处理这块内容的小伙伴可以继续关注博主。博主会继续从excel文件处理开始

对excel文件的处理

excel在商业活动运用十分广泛，人们使用excel的方式五花八门。
与python的csv模块不同，python中并没有处理excel文件的标准模块，因此我们学习本章内容需要安装两个拓展包xlrd和xlwt如果小伙伴安装了Anaconda python 那么便可以直接使用，这里博主推荐大家如果觉得pycharm或者vs使用起来比较麻烦的话可以使用jupyter lab，这是博主常用一个python 笔记本。下载的话：

1. 打开cmd
2. 输入指令 pip install jupyterlab
3. 进度条加载完毕也就下载完了，你可以在cmd中进入任何目录打开，不过博主建议你新建一个专用的文件夹。
   那么为了学习的开始，我们需要三个excel文件，这个我们可以去一个地址下载：传送门
   当然由于是外网github社区所以会比较慢，但是文件本身并没有特别大，所以小伙伴只需要等待片刻即可
   文件：
   

处理单个工作表

我们首先用一段代码来引入学习：

from xlrd import open_workbook
input_file="sales_2013.xlsx"
workbook=open_workbook(input_file)#open_workbook()函数,xlrd模块对excel文件的应用
print("Number of worksheets:",workbook.nsheets)#nsheets()函数，sheet本身具有片的意思，这里应该可以理解为页
for row in workbook.sheets():
    print("Worksheet name:",row.name,"\trows:",row.nrows,"\tcolumns:",row.ncols)#每片的名，行，列

小伙伴们可以看到有很多陌生的字眼。没关系，慢慢来，刚开始接触这个模块开始的小伙伴都很迷茫。

1. 首先，我们需要导入一些模块和函数，这里我们使用from xlrd import open_workbook可以使我们后面的代码稍微方便一点。（因为不在需要每次引用的时候都在前面加一个xlrd.😢）
2. 我们还要使用workbook来承接创建的工作对象。
3. 这里我们使用的是open_workbook函数打开文件，这是xlrd模块中带有的函数吗，专用于打开excel工作簿的，打开方式与open类似，同样的，我们也可以使用with open_workbook() as的形式，后面会用到
4. workbook.nsheets，nsheets返回所有的工作表的数目，一个工作簿可以有多个工作表
5. 我们使用for循环来遍历每一个工作表，注意函数**workbook.sheets()**返回所有的工作表。
6. name，nrows，ncols都是模块里的函数，他们的意思，也与字面意思相同分别是，工作表的名，行数，列数

利用基础python读写excel文件

代码：

#利用基础python读写工作表
from xlrd import open_workbook
from xlwt import Workbook
input_file="sales_2013.xlsx"
out_file="output.xlsx"
out_object=Workbook()#实例化了一个workbook对象，后面会用到
out_work_sheet=out_object.add_sheet("jan_2013_output")#add_sheet为工作簿添加一个工作表
with open_workbook(input_file) as workbook:#获取所有的sheet
    worksheet=workbook.sheet_by_name('january_2013')#根据名引入一个sheet_by_name的工作表
    #print(worksheet.nrows)行数
    for row in range(worksheet.nrows):
        for column in range(worksheet.ncols):
            out_work_sheet.write(row,column,worksheet.cell_value(row,column))#分别为：行索引。列索引，和所获取的单元格的内容
out_object.save(out_file)#保存文件
#利用基础python读写工作表，xlrd模块和xlwt模块
#在out_file上显示的日期数，并没有经过格式化，而是从1990年1月0日至表格日期的天数
#我们如果使用from和import的形式，便不再需要将模块名加在前面

很多内容博主在学习的时候也已经标注清楚，小伙伴可以在代码中自己看自己理解，当然博主也会在 ↓ 解析

1. 前文已经说到导入xlrd模块，这里我们还需要导入xlwt模块才可以实现对excel文件的写的操作，相信小伙伴们在字面也看得出来xlrd其实就是read，xlwt其实就是write，这里我们从xlwt导入Workbook。
2. 需要读取的文件是博主开头展示的第一个文件，需要写入的文件自己创建一个便可。
3. 这里的写入，我们要注意，我们需要使用刚刚导入Workbook模块去实例化一个可操作的对象,我们接下来需要对这个可操作对象操作
4. out_work_sheet=out_object.add_sheet(“jan_2013_output”) 这里，我们使用可操作对象，添加一个工作表，使用函数**.add_sheet**，注意前缀使我们实例化的对象，不是需要写入的文件。
5. 接着我们使用with open语句打开文件，获取所有的工作表，继而使用workbook.sheet_by_name(‘january_2013’) 根据工作表名获取该工作表。
6. 两个for循环用来遍历单元格的位置坐标x和y，后面会用到
7. out_work_sheet.write(row,column,worksheet.cell_value(row,column))
   这里的 out_work_sheet 是我们之前创建的工作表的承接对象，write函数
   的第一个参量为行索引，第二个参量为列索引，也就是我们理解的x和y坐标，这两个擦亮为我们提供需要操作的单元格的位置，后面的worksheet.cell_value,其实便是我们之前引用的原工作表的一个单元格的内容
8. 最后我们使用out_object.save(out_file)保存文件

那么这时候我们打开两个工作簿进行对比会发现一个很明显的问题

原工作簿：

我们写入的工作簿

没错，时间出现了问题我们需要注意，这里的时间是从1990年开始计数，到工作表中的时间。而且换算嫦娥了浮点数，并非是格式化的，该浮点数的格式是：（从1990年1月0日到该日期的日期数，加上二十四小时的浮点数）
那么我们就需要格式化日期，这一步是有些麻烦，不过为了精确处理数据，我们还是必须走这一步的😄
代码：

#格式化日期数据，基于上一个代码
from datetime import date
from xlrd import open_workbook,xldate_as_tuple
from xlwt import Workbook
input_file="sales_2013.xlsx"
output_file="output.xlsx"
out_object=Workbook()#实例化一个工作表对象
out_work_sheet=out_object.add_sheet("jan_2013_output")#添加一个工作表
with open_workbook(input_file) as workbook:
    worksheet=workbook.sheet_by_name("january_2013")#根据名选择一个工作表
    for row_index in range(worksheet.nrows):
        row_list_output=[]
        for col_index in range(worksheet.ncols):
            if worksheet.cell_type(row_index,col_index)==3:#3为cell_type所指的时间
                date_cell=xldate_as_tuple(worksheet.cell_value(row_index,col_index),workbook.datemode)#xldate_as_tuple将excel中代表时间的数值转化为元组
                #print(date_cell)经过验证，该语句将时间格式化后的各组数字分别存入一个元组，格式如↓
                #(2013, 1, 1, 0, 0, 0)
                #(2013, 1, 6, 0, 0, 0)
                #(2013, 1, 11, 0, 0, 0)
                #(2013, 1, 18, 0, 0, 0)
                #(2013, 1, 24, 0, 0, 0) 给元组，列表前加 *可以将其拆分为一个个独立的元素,成为三个可以引用的独立对象,且不可迭代
                date_cell=date(*date_cell[0:3]).strftime("%m/%d/%Y")#赋值给date_cell,参数datemode的存在是确定时间是从1990年开始，并据此将数值转化为正确的元组
                row_list_output.append(date_cell)#strftime函数格式化为时间
                out_work_sheet.write(row_index,col_index,date_cell)
            else:
                non_date_cell=worksheet.cell_value(row_index,col_index)#引用工作表的单元格
                row_list_output.append(non_date_cell)
                out_work_sheet.write(row_index,col_index,non_date_cell)
out_object.save(output_file)#保存

这段代码，博主为了讲解清楚研究了有些时间，将其中的一些小的知识点啊，一些函数的运用啊，都做了标记

1. cell_type()在xlrd模块中，对很多信息进行了分类，而我们利用cell_type便能得到这个“模式”，而3便表示这个单元格中的是时间信息，因此，我们将其单独格式
   拓展

当我们对一个列表或者元组加上 * 的时候，会将元素变为单独的引用对象，如↓

over 现在是凌晨1.06 博主今天就肝到这里了

😄

需要继续学习python处理excel的小伙伴可以关注博主哦！

武汉加油