pandas杂记--实现excel表格数据切片--指定行列名

能用python解决的问题都不是问题

需求

近日接到一个任务,需要将一个有1000记录的excel数据,平均切分为50个表,并且要求按照指定格式命名;
当然,手动切分是不可能的,那肯定是使用python来实现啦!

实现

数据源说明:
大表只有一列数据,是id类的数据,没有行名和列名,切分后数据也不显示行名和列名;
源数据大概是这样:
源数据

代码

# -*- coding: utf-8 -*-
"""
Created on Wed Sep 30 13:43:18 2020

@author: CLP
将一个表格数据切片,分成50个表格,每个里面放20条,名称:导入数据51 ~ 100
"""
import pandas as pd
import pathlib
#使用pandas读取表格数据
xls_file=pd.read_excel('./data.xls')

"""写一个循环,生成结果数据"""
for i in range(50):
	#数据切片,将源数据按第0-20、20-30 等间隔切分,默认[n:m]中,不包含第m条数据
    min_xls = xls_file[i*20:(i+1)*20]
    filename = "D:/Project/Python/01-tools/data/"+"数据采集表"+str(51+i)+".xls"
    #如果文件不存在会报错,使用pathlib先创建一个空的文件
    pathlib.Path(filename).touch()
    #写入新表格
    min_xls.to_excel(filename)

    

问题

使用该方法的时候,发现切分后的数据,带个行名和列名,但是需求是去掉写入行名和列名,
随便看一个结果数据

解决

查看一下to_excel()方法的参数:

excel_writer,
        sheet_name="Sheet1",
        na_rep="",
        float_format=None,
        columns=None,
        header=True, #默认显示列名
        index=True, # 默认显示行名
        index_label=None,
        startrow=0,
        startcol=0,
        engine=None,
        merge_cells=True,
        encoding=None,
        inf_rep="inf",
        verbose=True,
        freeze_panes=None,

修改一下代码:

# -*- coding: utf-8 -*-
"""
Created on Wed Sep 30 13:43:18 2020

@author: CLP
将一个表格数据切片,分成50个表格,每个里面放20条,名称:导入数据51 ~ 100
"""
import pandas as pd
import pathlib
#使用pandas读取表格数据
xls_file=pd.read_excel('./data.xls')

"""写一个循环,生成结果数据"""
for i in range(50):
	#数据切片,将源数据按第0-20、20-30 等间隔切分,默认[n:m]中,不包含第m条数据
    min_xls = xls_file[i*20:(i+1)*20]
    filename = "D:/Project/Python/01-tools/data/"+"数据采集表"+str(51+i)+".xls"
    #如果文件不存在会报错,使用pathlib先创建一个空的文件
    pathlib.Path(filename).touch()
    #写入新表格,去掉行名列名(去掉行名index=False,去掉列名header=False)
    min_xls.to_excel(filename,index=False,header=False)

实现成功!
在这里插入图片描述

最后,我三下二除五把数据导出来后,老板居然要我把列名还是显示出来!!
那么改下参数就可以了,多大点事,瞬间处理完。

  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Python是一种功能强大的编程语言,可以用于各种数据分析任务。而在Python的数据分析工具库中,pandas是最受欢迎和广泛使用的工具之一。 Pandas提供了用于处理和分析数据的高级数据结构和函数。其最常用的数据结构是DataFrame,类似于Excel中的表格。通过Pandas,我们可以读取Excel文件,并将其转换为DataFrame对象进行进一步处理。 使用Pandas进行Excel数据分析的第一步是读取Excel文件。Pandas提供了read_excel函数,可以方便地读取Excel文件并转换为DataFrame对象。我们可以指定要读取的工作表、要保留的列、要跳过的行等。 一旦我们将Excel文件读取为DataFrame对象,我们可以使用Pandas提供的丰富函数和操作对数据进行各种处理和分析。例如,我们可以使用head()函数查看前几行数据,使用describe()函数获取数据的统计摘要,使用mean()函数计算平均值,使用groupby()函数对数据进行分组等等。 除了数据处理和分析,Pandas还提供了各种工具来处理缺失值和数据清洗。我们可以使用dropna()函数删除含有缺失值的行或列,使用fillna()函数将缺失值填充为指定的值,使用replace()函数替换数据中的特定值等。 在数据分析完成后,我们可以使用to_excel函数将DataFrame对象保存为Excel文件。在保存时,我们可以指定要保存的工作表、保存的位置和文件等。 总之,Pandas是一个非常强大和灵活的库,可以使Python在处理Excel数据时变得更加简单和高效。无论是数据的读取、处理、分析还是保存,Pandas都提供了丰富而简洁的函数和操作,使得数据分析变得更加容易。 ### 回答2: Pandas是一个功能强大的数据分析工具,可以轻松地处理和分析各种数据。同时,Pandas还提供了许多用于读取、处理和写入Excel文件的功能,让我们能够更方便地从Excel文件中提取和处理数据。 在使用Pandas进行Excel数据分析时,我们首先需要使用`pandas.read_excel()`函数读取Excel文件,并将其存储为一个Pandas的DataFrame对象。这样可以轻松地使用Pandas的各种数据处理和分析功能。 Pandas提供了一系列的函数来处理Excel数据,比如对数据进行过滤、排序、计算统计量等。我们可以使用`head()`函数快速查看数据的前几行,使用`describe()`函数生成数据的统计概要信息,使用`sort_values()`函数对数据进行排序等。 除此之外,Pandas还提供了一些方便的函数来进行Excel数据的写入。我们可以使用`to_excel()`函数将DataFrame对象写入Excel文件,并通过参数来设置写入的Sheet称、行列标签等。 除了基本的读写操作,Pandas还提供了丰富的数据转换和清洗功能,如数据合并、去重、填充空值等等。这些功能可以帮助我们更好地理解和分析Excel中的数据。 总而言之,Pandas是一个非常方便和强大的数据分析工具,可以让我们轻松地处理和分析Excel数据。通过Pandas,我们可以更加快速和高效地提取、清洗和分析数据,将Excel文件作为数据分析的重要来源之一。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值