前言
貌似大家中使用到Excel数据统计和处理比较多。前两天GF发来指示,帮忙统计2019年的全年(1-12月)、全体员工(每月可能有新入职员工)的养老保险、医疗保险、失业保险、工伤和生育共五项中的公司缴纳部分。需要进行全年累加,最后放到区域公司发来的汇总表中。貌似不难,但也需要理一理思路。
示例数据
示例的原始数据如下所示(12张表格)。
需填的表格如下
前期思路
(1)python Excel的读写操作
(2)全体员工的数据提取统计操作,此处适合使用字典类型(字典为可变数据类型)。字典的key为员工的名字,对应的value为一个含有5个元素的列表(后续需要累加更改)
(3)python写Excel的时候,需要进行人员的判断匹配,因为最终的汇总表人员众多
实操
遇到的问题和解决方案
(1)如何提取数据? 原始数据中,公司含有不通的部门,每个部门又有相应的汇总栏目,影响数据提取。通过观察,A列数据的序号,只在对应员工栏目有数值的序号标识,而汇总栏目为空值。因此可以通过判断A列是否是数值来提取员工信息。
(2)存在None值。 对应的员工信息中,存在空值,例如吴三的医疗保险部分。为不影响后续的累加运算,需要进行数据的处理,把空值转换为数字0。
(3)数据提取。 由于GF的示例数据表格中养老保险、医疗保险、失业保险、工伤和生育是使用公式计算的,字典的键值对的值(value)提取的结果为元素为 '=ROUND(D4*19%,2)'的字符串列表,无法进行数值的累加操作。
(a)解决方案A。同样提取对应列的数据,从而计算出对应的保险的数据,由于计算结果为浮点数,最终的12个月累加结果存在小尾数问题,并且结果与手动结果不匹配,失败告终。
(b)解决方案B。先对Excel表格进行处理,清除掉所有的公式,只保留数据。使用的方法为Excel的VBA编程,具体参考文献[1] [2].
(4)列表对应项相加。 提取的结果每个sheet提取出一个字典。由于字典的值(value)为列表,操作时需要对value列表累加求和。python中列表的加法(+)为拼接操作,不像MATLAB中的矩阵操作。此时需要可以使用Numpy库进行数组操作,或者使用循环进行对应项相加。在此本文使用循环。
最终结果
(1)测试输出
张一: [20900, 840, 8400, 65, 600]
(2)写表格数据
实现代码
#By WDL 2020-4-27
import openpyxl
#单元格数据判断函数,剔除空单元格中读取的空值
def valuechange(sth): #判断是否为None
if sth==None:
sth=0
return sth
#Excel表格读取函数
def excelread(wb,sheetname):#wb工作簿 sheetname表格名称
ws=wb[sheetname] #打一个工作表
# 读取数据,把excel中的一个sheet按行读取出来,存入一个二维的list
total_list=[]
for row in ws.rows:
row_list=[]
for cell in row:
row_list.append(cell.value)
total_list.append(row_list)
# 返回读取的数据列表,每个元素为sheet中的一行
return total_list
#表格数据处理函数,数据提取
def procSheet(wb,sheetname): #wb工作簿 sheetname表格名称
total_list=excelread(wb,sheetname)
#利用字典存数据
infos={}
for term in total_list:
if isinstance(term[0],int): #判断标号是否是数值
# 使用sheet中列的标号 判断元组中每个单元格的索引
# term[2]对应姓名
#term[4] 养老,term[8] 失业,term[12] 医疗,term[16] 工伤,term[17] #生育
infos.setdefault(term[2], []).extend([valuechange(term[4]),valuechange(term[8]),\
valuechange(term[12]),valuechange(term[16]),valuechange(term[17])])
#以上为 一键 对列表的字典,如果键term[2]不存在,添加键值对,只默认为空列表[] 随后使用extend()方法扩展列表
return infos
#----------------数据提取操作-------------
wb=openpyxl.load_workbook("XXX公司应缴社会保险明细表(2019.1-12).xlsx")
data=procSheet(wb,"2019.1") #初始值
print(data)
sheetnames=["2019.{}".format(str(i)) for i in range(2,13)]
for sheetname in sheetnames:
infos=procSheet(wb,sheetname)
for name in infos:
#列表对应项累加
if name in data:
for i in range(len(data[name])):
data[name][i]+=infos[name][i]
else:
data[name]=infos[name]
print(data) #最终的统计数据
print("张一:",data["张一"])
worker=set(data)
print(worker) #统计XXX公司的所有员工
#------------Excel写操作--------------
#打开要写数据的工作表
workbook=openpyxl.load_workbook("XXX区域2019年度年薪人员人工成本统计表.xlsx")
worksheet=workbook["附表二、2019年度人工成本汇总"]
#对每个单元格进行格式设置 总共385行
for eachCommonRow in worksheet.iter_rows(min_row=1,min_col=1,max_row=400,max_col=47):# 每一行为元组类型
#使用sheet中列的标号 判断元组中每个单元格的索引
if eachCommonRow[8].value in data:#姓名是否在字典中 第I列对应索引9-1=8
eachCommonRow[37].value = data[eachCommonRow[8].value][0] #养老保险
eachCommonRow[38].value = data[eachCommonRow[8].value][2] #医疗保险
eachCommonRow[39].value = data[eachCommonRow[8].value][1] # 失业保险
eachCommonRow[40].value = data[eachCommonRow[8].value][3] # 工伤保险
eachCommonRow[41].value = data[eachCommonRow[8].value][4] # 生育保险
#保存
workbook.save("XXX区域2019年度年薪人员人工成本统计表.xlsx")
总结
在实践中不断的修改完善,善用搜索能力,不断总结提高,减小工作量。最后希望对大家有帮助。
参考文献
[1]两种excel 去掉公式保留数值的方法. http://www.ittribalwo.com/article/1369.html
[2]excel表格问题 怎么清除公式保留数据?https://www.zhihu.com/question/21638771