Python自動化處理Excel數(shù)據(jù)的操作過程
需求描述：數(shù)據(jù)格式如下所示，需要分離出2023年7月1號之后的數(shù)據(jù)明細
數(shù)據(jù)核對與處理：從Excel文件中提取特定日期后的簽收數(shù)據(jù)
1. 引言
在實際數(shù)據(jù)處理和分析過程中，經(jīng)常會遇到需要從大量數(shù)據(jù)中提取出特定日期范圍內(nèi)的信息的需求。本文將介紹如何使用Python的pandas庫來處理Excel文件，并提取出2023年7月1日之后的簽收數(shù)據(jù)。
2. 準備工作
首先，我們需要導入所需的庫。在本文中，我們將使用pandas庫來處理Excel文件。
import pandas as pd
3. 設(shè)置顯示選項
為了能夠正確顯示所有列和行，我們可以設(shè)置pandas的顯示選項。
pd.set_option('display.max_columns', None)
pd.set_option('display.max_rows', None)4. 讀取Excel數(shù)據(jù)文件
接下來，我們使用pd.read_excel()函數(shù)來讀取Excel文件中的數(shù)據(jù)，并指定nrows參數(shù)來限制讀取的行數(shù)。
data = pd.read_excel('C:\\Users\\Admin\\Desktop\\數(shù)據(jù)核對\\工作簿2.xlsx', nrows=600)5. 數(shù)據(jù)處理
為了方便后續(xù)操作，我們將DataFrame的索引設(shè)置為“貨件單號”和“SKU”。
data = data.set_index(['貨件單號', 'SKU'])
然后，我們將“簽收明細”這一列進行拆分，并將拆分后的每個數(shù)據(jù)項排成多行。
data = data['簽收明細'].str.split('\n', expand=True).stack().reset_index(level=2, drop=True)
data.name = '簽收明細'接著，我們從拆分后的數(shù)據(jù)中提取出“日期”和“數(shù)量”兩列，并將其轉(zhuǎn)換為正確的數(shù)據(jù)類型。
data = data.str.split(' \| ', expand=True)
data.columns = ['日期', '數(shù)量']
data['日期'] = pd.to_datetime(data['日期'])
data['數(shù)量'] = pd.to_numeric(data['數(shù)量'])6. 篩選數(shù)據(jù)并保存結(jié)果
現(xiàn)在，我們可以篩選出2023年7月1日之后的數(shù)據(jù)，并將結(jié)果保存到Excel文件中。
result = data[data['日期'] >= '2023-07-01'].reset_index()
result.to_excel('2023年7月1號之后簽收數(shù)據(jù).xlsx', index=True)7. 結(jié)果展示
最后，我們輸出提示信息，顯示結(jié)果已經(jīng)保存到文件中。
print(f"結(jié)果已經(jīng)保存到文件中：2023年7月1號之后簽收數(shù)據(jù).xlsx")
8. 總結(jié)
本文介紹了如何使用Python的pandas庫處理Excel文件，并提取出特定日期范圍內(nèi)的簽收數(shù)據(jù)。通過設(shè)置顯示選項、讀取Excel文件、進行數(shù)據(jù)處理、篩選數(shù)據(jù)并保存結(jié)果，我們能夠高效地處理大量數(shù)據(jù)，并得到我們需要的信息
完整代碼:
import pandas as pd
# 設(shè)置最大列數(shù)為 None，以顯示所有列
pd.set_option('display.max_columns', None)
# 設(shè)置最大行數(shù)為 None，以顯示所有行
pd.set_option('display.max_rows', None)
# 讀取Excel數(shù)據(jù)文件
data = pd.read_excel('C:\\Users\\Admin\\Desktop\\數(shù)據(jù)核對\\工作簿2.xlsx', nrows=600)
# 輸出全部數(shù)據(jù)（顯示所有行和列）
print(data)
# 將DataFrame的索引設(shè)置為“貨件單號”和“SKU”，以便后續(xù)操作
data = data.set_index(['貨件單號', 'SKU'])
# 將“簽收明細”這一列進行拆分，并將拆分后的每個數(shù)據(jù)項排成多行
data = data['簽收明細'].str.split('\n', expand=True).stack().reset_index(level=2, drop=True)
data.name = '簽收明細'
# 從拆分后的數(shù)據(jù)中提取“日期”和“數(shù)量”兩列
data = data.str.split(' \| ', expand=True)
data.columns = ['日期', '數(shù)量']
data['日期'] = pd.to_datetime(data['日期'])
data['數(shù)量'] = pd.to_numeric(data['數(shù)量'])
# 篩選出 2023 年 7 月 1 日之后的數(shù)據(jù)，并將結(jié)果保存到 Excel 文件中
result = data[data['日期'] >= '2023-07-01'].reset_index() # 篩選符合條件的行，并重置索引
result.to_excel('2023年7月1號之后簽收數(shù)據(jù).xlsx', index=True) # 將結(jié)果保存到 Excel 文件中
# 輸出提示信息
print(f"結(jié)果已經(jīng)保存到文件中：2023年7月1號之后簽收數(shù)據(jù).xlsx")到此這篇關(guān)于Python自動化處理Excel數(shù)據(jù)的文章就介紹到這了,更多相關(guān)Python 處理Excel數(shù)據(jù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
正則表達式是用來匹配字符串非常強大的工具，在其他編程語言中同樣有正則表達式的概念，Python同樣不例外，利用了正則表達式，我們想要從返回的頁面內(nèi)容提取出我們想要的內(nèi)容就易如反掌了。2016-09-09
這篇文章主要介紹了使用pytorch時所遇到的一些問題總結(jié)，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2021-05-05
Python 窗體(tkinter)下拉列表框(Combobox)實例
這篇文章主要介紹了Python 窗體(tkinter)下拉列表框(Combobox)實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-03-03
Django框架之中間件MiddleWare的實現(xiàn)
這篇文章主要介紹了Django框架之中間件MiddleWare的實現(xiàn),文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2019-12-12
相信每位python都知道，進行不同的python項目開發(fā)，有的時候會遇到這樣的情況：python 版本不一樣，使用的軟件包版本不一樣。這種問題最佳的解決辦法是為不同的項目搭建獨立的 python 環(huán)境。下面來一起看看吧。2016-09-09
這篇文章主要介紹了一個使用Python開發(fā)的工具,允許用戶在圖像上進行矩形標注,使用 OCR 對標注區(qū)域進行文本識別,并將結(jié)果保存為 Excel 文件,感興趣的可以了解下2025-03-03
基于python2.7實現(xiàn)圖形密碼生成器的實例代碼
本文通過實例代碼給大家介紹了python2.7實現(xiàn)圖形密碼生成器，代碼簡單易懂，非常不錯，具有一定的參考借鑒價值，需要的朋友參考下吧2019-11-11
python pandas庫中DataFrame對行和列的操作實例講解
今天小編就為大家分享一篇python pandas庫中DataFrame對行和列的操作實例講解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-06-06
python改變?nèi)罩?logging)存放位置的示例
示例主要解決的問題是通過傳入日志文件參數(shù)的方式來改變?nèi)罩镜拇娣盼恢?需要的朋友可以參考下2014-03-03
這篇文章主要介紹了pytorch中的廣播語義，pytorch的廣播語義即broadcasting semantics，和numpy的很像，下面文章介紹更多相關(guān)內(nèi)容的介紹，需要的小伙伴可以參考一下2022-03-03