简说Python，号主老表，Python终身学习者，数据分析爱好者，从18年开始分享Python知识，原创文章227篇，写过Python、SQL、Excel入门文章，也写过Web开发、数据分析文章，老表还总结整理了一份2022Python学习资料和电子书资源，关注后私信回复：2022 即可领取。
1、前言
紧接昨天的文章Windows下载安装配置SQL Server、SSMS，使用Python连接读写数据，我们已经安装和配置好了sqlserver，也成功测试了如何利用Python连接、读写数据到数据库。
今天我们正式开始怼需求：有很多Excel，需要批量处理，然后存入不同的数据表中。
2、开始动手动脑
2.1 拆解+明确需求
1） excel数据有哪些需要修改？
- 有一列数据
DocketDate是excel短时间数值，需要转变成正常的年月日格式；
eg. 44567 --> 2022/1/6 - 部分数据需要按
SOID进行去重复处理，根据DocketDate保留最近的数据； - 有一列数据需要进行日期格式转换。
eg. 06/Jan/2022 12:27 --> 2022-1-6
主要涉及：日期格式处理、数据去重处理
2） 每一个Excel都对应一个不同数据表吗？表名和Excel附件名称是否一致？
- 有些Excel对应的是同一个表，有些是单独的
- 表名和Excel附件名称不一致，不过是有对应关系的
eg. 附件test1 和 test2 对应表 testa，附件test3 对应 testb
主要涉及：数据合并处理
2.2 安装第三方包
pip3 install sqlalchemy pymssql pandas xlrd xlwt
- sqlalchemy：可以将关系数据库的表结构映射到对象上，然后通过处理对象来处理数据库内容；
- pymssql：python连接sqlserver数据库的驱动程序，也可以直接使用其连接数据库后进行读写操作；
- pandas：处理各种数据，内置很多数据处理方法，非常方便；
- xlrd xlwt：读写excel文件，pandas读写excel会调用他们。
导入包：
import pandas as pd from datetime import date, timedelta, datetime import time import os from sqlalchemy import create_engine import pymssql
2.3 读取excel数据
读取数据比较简单，直接调用pandas的read_excel函数即可，如果文件有什么特殊格式，比如编码，也可以自定义设置。
# 读取excel数据 def get_excel_data(filepath): data = pd.read_excel(filepath) return data
2.4 特殊数据数据处理
“1）日期天数转短日期
”
这个有一定难度，excel里直接转很简单，直接选中需要转的数据，然后在开始-数据格式栏选择短日期即可。
当时第一眼不知道其中的转换规律，搜索了很久，也没发现有类似问题或说明，首先肯定不是时间戳，感觉总有点关系，最后发现是天数，计算出天数计算起始日期就可以解决其他数据转变问题啦。
首先我们要判断空值，然后设置日期天数计算起始时间，利用datetime模块的timedelta函数将时间天数转变成时间差，然后直接与起始日期进行运算即可得出其代表的日期。
# 日期天数转短日期 def days_to_date(days): # 处理nan值 if pd.isna(days): return # 44567 2022/1/6 # 推算出 excel 天数转短日期 是从1899.12.30开始计算 start = date(1899,12,30) # 将days转换成 timedelta 类型，可以直接与日期进行计算 delta = timedelta(days) # 开始日期+时间差 得到对应短日期 offset = start + delta return offset
这里比较难想的就是天数计算起始日期，不过想明白后，其实也好算，从excel中我们可以直接将日期天数转成短日期，等式已经有了，只有一个未知数x，我们只需列一个一元一次方程即可解出未知数x。
from datetime import date, timedelta date_days = 44567 # 将天数转成日期类型时间间隔 delta = timedelta(date_days) # 结果日期 result = date(2022,1,6) # 计算未知的起始日期 x = result - delta print(x) ''' 输出：1899-12-30 '''
“2）将日期中的英文转成数字
”
最开始我想的是使用正则匹配，将年月日都在取出来，然后将英文月份转变成数字，后来发现日期里可以直接识别英文的月份。
代码如下，首先将字符串按格式转变成日期类型数据，原数据为06/Jan/2022 12:27（数字日/英文月/数字年 数字小时:数字分钟），按日期格式化符号解释表中对应关系替换即可。
# 官方日期格式转换成常见格式 def date_to_common(time): # 处理nan值 if pd.isna(time): return # 06/Jan/2022 12:27 2022-1-6 # 测试 print(time,':', type(time)) # 将字符串转成日期 time_format = datetime.strptime(time,'%d/%b/%Y %H:%M') # 转换成指定日期格式 common_date = datetime.strftime(time_format, '%Y-%m-%d') return common_date
日期格式化符号解释表
@CSDN-划船的使者
“3）按订单编号SOID去重
”
这里去重复除了按指定列去重外，还需要按日期保留最新数据。
我的想法是，首先调用pandas的sort_values函数将所有数据根据日期列进行升序排序，然后，调用drop_duplicates函数指定按SOID列进行去重，并指定keep值为last，表示重复数据中保留最后一行数据。
代码如下：
# 去除重复值 SOID重复 按日期去除最早的数据 def delete_repeat(data): # 先按日期列 Docket Rec.Date & Time 排序 默认降序 保证留下的日期是最近的 data.sort_values(by=['Docket Rec.Date & Time'], inplace=True) # 按 SOID 删除重复行 data.drop_duplicates(subset=['SOID #'], keep='last', inplace=True) return data
2.5 其他需求
“多个Excel数据对应一张数据库的表
”
可以写一个字典，来存储数据库表和对应Excel数据名称，然后一个个存储到对应的数据库表中即可（或者提前处理好数据后，再合并）。
- 合并同类型Excel表
# 相同表合并数据 传入合并excel列表 def merge_excel(elist, files_path): data_list = [get_excel_data(files_path+i) for i in elist] data = pd.concat(data_list) return data
这里传入同一类型Excel文件名列表（elist）和数据存储文件夹绝对/相对路径（files_path）即可，通过文件绝对/相对路径+Excel文件名即可得到Excel数据表文件的绝对/相对路径，再调用get_excel_data函数即可读取出数据。
遍历读取Excel表数据利用了列表推导式，最后利用pandas的concat函数即可将对应数据进行合并。
- 数据存储到sqlserver
# 初始化数据库连接引擎 # create_engine("数据库类型+数据库驱动://数据库用户名:数据库密码@IP地址:端口/数据库"，其他参数) engine = create_engine("mssql+pymssql://sa:123456@localhost/study?charset=GBK") # 存储数据 def data_to_sql(data, table_naem, columns): # 再对数据进行一点处理，选取指定列存入数据库 data1 = data[columns] # 第一个参数：表名 # 第二个参数：数据库连接引擎 # 第三个参数：是否存储索引 # 第四个参数：如果表存在 就追加数据 t1 = time.time() # 时间戳 单位秒 print('数据插入开始时间：{0}'.format(t1)) data1.to_sql(table_naem, engine, index=False, if_exists='append') t2 = time.time() # 时间戳 单位秒 print('数据插入结束时间：{0}'.format(t2)) print('成功插入数据%d条，'%len(data1), '耗费时间：%.5f秒。'%(t2-t1))
sqlalchemy+pymssql连接sqlserver的时候注意坑：要指定数据库编码，slqserver创建的数据库默认是GBK编码，关于sqlserver安装使用可以查看文章Windows下载安装配置SQL Server、SSMS，使用Python连接读写数据。
2.6 完整调用代码
''' 批量处理所有excel数据 ''' # 数据文件都存储在某个指定目录下，如： files_path = './data/' bf_path = './process/' # 获取当前目录下所有文件名称 # files = os.listdir(files_path) # files # 表名：附件excel名 data_dict = { 'testa': ['test1.xls', 'test2.xls'], 'testb': ['test3.xls'], 'testc': ['test4.xls'] } # 选取附件中的指定列，只存入指定列数据 columns_a = ['S/No', 'SOID #', 'Current MileStone', 'Store In Date Time'] columns_b = ['Received Part Serial No', 'Received Product Category', 'Received Part Desc'] columns_c = ['From Loc', 'Orig Dispoition Code'] columns = [columns_a, columns_b, columns_c] flag = 0 # 列选择标记 # 遍历字典 合并相关excel 然后处理数据后，存入sql for k,v in data_dict.items(): table_name = k data = merge_excel(v, files_path) # 1、处理数据 if 'SOID #' not in data.columns: # 不包含要处理的列，则直接简单去重后、存入数据库 data.drop_duplicates(inplace=True) else: # 特别处理数据 data = process_data(data) # 2、存储数据 # 保险起见 本地也存一份 data.to_excel(bf_path+table_name+'.xls') # 存储到数据库 data_to_sql(data, table_name, columns[flag]) flag+=1
本文点赞过20，最近开源本文所有相关数据和代码。
3、后言后语
欢迎大家提需求呀，必须要有：明确的需求（列点）+ 有示例数据（打包发送）。
--xxx-xxxx需求.zip ----数据文件 ----需求说明文件 ----其他补充文件
可以将需求和对应的需求说明+示例数据压缩包文件发送到我的邮箱zjhbrief@163.com。
最近过年在家，时间相对充足，欢迎交流～
坚持 and 努力 ：终有所获。
思想很复杂，
实现很有趣，
只要不放弃，
终有成名日。
—《老表打油诗》
