应用Python把汉语Excel表转换为拼音表格

机器学习过程中往往需要对数据进行预处理，这一工作常占据整个数据分析工作量的40%~50%的时间。应用Python的Excel工具往往可以加速这一过程。本文采用xlwings打开Excel表格，从而加速数据的预处理速度。之所以选用xlwings原因如下：

很多数据处理软件比如WEKA，并不能支持中文， 一种方法是对表格数据进行英文翻译，但该方法不能很好地支持中文姓名的翻译，且python的英文翻译工具太过复杂；另一种方法是以汉语拼音替代，该方法要求表格中不要有太过冗长的句子。本文选择了后者。首先本文待处理的数据源自于云南省普洱市澜沧县富东乡小坝寸的扶贫统计小数据集，如下图所示：

该表的特征是从2014到2019年的数据都集中在了一张表中，训练数据集需要把该表拆分为6张以年为单位的单独表。其实现代码如下：

import xlwings
from xpinyin import Pinyin
p = Pinyin()


# 指定不显示得打开工作簿
app = xlwings.App(visible=False,add_book=False)

# 打开需要转换为拼音的EXCEL表格
wb = app.books.open(r"testset2.xlsx")

# 获取第一张表
sheet1 = wb.sheets[0]
rowNum = sheet1.used_range.last_cell.row + 1
colNum = sheet1.used_range.last_cell.column + 1
print(rowNum)
print(colNum)
# 提取指定单元格文本'''['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'k', 'L', 'M', 'N']:'''
for C in range(1,colNum):
    for R in range(1,rowNum):
        #cell = C + str(R)
        text = sheet1.range(R , C).value
        if (isinstance(text, str)):
            sheet1.range(R , C).value = p.get_pinyin(text, splitter=" ")

# 保存并关闭工作簿
wb.save()
wb.close()

首先得到一张转换为汉语拼音后的表，如下图：