Python3,pandas自动处理exlce数据及yagmail邮件自动发送

简介: Python3,pandas自动处理exlce数据及yagmail邮件自动发送

使用pandas处理Excel的数据


pandas怎么读取excel,我们已经分享了,不太熟悉的,可以参照小鱼的这篇文章 pandas 5行代码实现对Excel的读取!


那么接下来,我们要做的就是对excel表中的数据,某一个负责人负责的数据进行统计。

1.先来看一下excel表的内容:

数据统计表.xlsx

image.png

2.我们用代码实现,对 “张三”,"李四 "负责信息的统计


# -*- coding:utf-8 -*-
"""
@ auth : carl_DJ
@ time : 2020-8-19
"""
import pandas as pd
import  os
from send_email import send_email   #导入send_email
#定义数据文件的地址 ,这里写两种
#一种:手动输入文件地址
excel_path = input(f'请输入文件地址:')
#另一种:直接读取文件地址
#excel_path = '../data/数据统计表.xlsx'
#读入
data = pd.read_excel(excel_path)
#定义一个names列表,可以统计多个负责人
names = {
  '陈文','需要发送的邮箱地址',
  '王杰','需要发送的邮箱地址'
  }
#文件夹名字
dirname = 'exceldir'
#如果没有文件夹,则自动创建
if not os.path.exists(dirname):
  os.makedirs(dirname)
#循环读取excel表中的数据
for name,email in names.items():
  #获取负责人的信息
  df = data.loc[data['负责人']==name]
  #保存路径及文件名
  filepath = os.path.join(dirname,f'{name}.xlsx')
  #写入数据
  writer = pd.ExcelWriter(filepath)
  #sheet1 是数据写到excel表的sheet1页
  df.to_excel(writer,'sheet1')
  #保存数据
  writer.save()
  if email:
  send_email(name,email,filepath)

3.运行的结果:

3.1生成的文件夹


image.png

3.2生成的文件数据

image.png


yagmail实现邮件自动发送

使用yagmail实现邮件的发送

同样,在使用之前,需要安装yagmail模块


1.cmd窗口使用pip安装


pip install yagmail

安装完成,就可以使用了!


我们来编写send_emial 的代码

2.send_email.py


# -*- coding:utf-8 -*-
"""
@ auth : carl_DJ
@ time : 2020-8-19
"""
import yagmail
#定义send_email方法
def send_email(name,send_to,filepath):
  #定义邮件发送的文本内容,以及附件
  contents = [
  f'{name},你好,数据统计信息已经整理完成,已发送,请查收!',
  filepath
  ]
  #定义SMTP邮件的基本信息
  yag = yagmail.SMTP(
  user = 'carl_DJ@xxx.com',
  password = 'password',
  host = 'smtp.host'
  )
  yag.send(to = send_to,subject = '数据统计汇报',contents = contents)

3.结果就是这个样子:

image.png

目录
相关文章
|
5天前
|
SQL 自然语言处理 数据库
【Azure Developer】分享两段Python代码处理表格(CSV格式)数据 : 根据每列的内容生成SQL语句
本文介绍了使用Python Pandas处理数据收集任务中格式不统一的问题。针对两种情况:服务名对应多人拥有状态(1/0表示),以及服务名与人名重复列的情况,分别采用双层for循环和字典数据结构实现数据转换,最终生成Name对应的Services列表(逗号分隔)。此方法高效解决大量数据的人工处理难题,减少错误并提升效率。文中附带代码示例及执行结果截图,便于理解和实践。
|
1月前
|
数据采集 JSON 测试技术
如何在Python中高效实现CSV到JSON的数据转换
在实际项目中,数据格式转换是常见问题,尤其从CSV到JSON的转换。本文深入探讨了多种转换方法,涵盖Python基础实现、数据预处理、错误处理、性能优化及调试验证技巧。通过分块处理、并行处理等手段提升大文件转换效率,并介绍如何封装为命令行工具或Web API,实现自动化批量处理。关键点包括基础实现、数据清洗、异常捕获、性能优化和单元测试,确保转换流程稳定高效。
156 83
|
2天前
|
人工智能 编解码 算法
如何在Python下实现摄像头|屏幕|AI视觉算法数据的RTMP直播推送
本文详细讲解了在Python环境下使用大牛直播SDK实现RTMP推流的过程。从技术背景到代码实现,涵盖Python生态优势、AI视觉算法应用、RTMP稳定性及跨平台支持等内容。通过丰富功能如音频编码、视频编码、实时预览等,结合实际代码示例,为开发者提供完整指南。同时探讨C接口转换Python时的注意事项,包括数据类型映射、内存管理、回调函数等关键点。最终总结Python在RTMP推流与AI视觉算法结合中的重要性与前景,为行业应用带来便利与革新。
|
7天前
|
数据库 Python
【YashanDB知识库】python驱动查询gbk字符集崖山数据库CLOB字段,数据被驱动截断
【YashanDB知识库】python驱动查询gbk字符集崖山数据库CLOB字段,数据被驱动截断
|
25天前
|
JSON API 数据格式
Python 请求微店商品详情数据 API 接口
微店开放平台允许开发者通过API获取商品详情数据。使用Python请求微店商品详情API的主要步骤包括:1. 注册并申请API权限,获得app_key和app_secret;2. 确定API接口地址与请求参数,如商品ID;3. 生成签名确保请求安全合法;4. 使用requests库发送HTTP请求获取数据;5. 处理返回的JSON格式响应数据。开发时需严格遵循微店API文档要求。
|
1月前
|
数据采集 数据可视化 数据处理
Pandas高级数据处理:数据仪表板制作
《Pandas高级数据处理:数据仪表板制作》涵盖数据清洗、聚合、时间序列处理等技巧,解决常见错误如KeyError和内存溢出。通过多源数据整合、动态数据透视及可视化准备,结合性能优化与最佳实践,助你构建响应快速、数据精准的商业级数据仪表板。适合希望提升数据分析能力的开发者。
74 31
|
21天前
|
数据采集 XML 存储
Python爬虫实战:一键采集电商数据,掌握市场动态!
这个爬虫还挺实用,不光能爬电商数据,改改解析规则,啥数据都能爬。写爬虫最重要的是要有耐心,遇到问题别着急,慢慢调试就成。代码写好了,运行起来那叫一个爽,分分钟几千条数据到手。
|
1月前
|
缓存 数据可视化 BI
Pandas高级数据处理:数据仪表板制作
在数据分析中,面对庞大、多维度的数据集(如销售记录、用户行为日志),直接查看原始数据难以快速抓住重点。传统展示方式(如Excel表格)缺乏交互性和动态性,影响决策效率。为此,我们利用Python的Pandas库构建数据仪表板,具备数据聚合筛选、可视化图表生成和性能优化功能,帮助业务人员直观分析不同品类商品销量分布、省份销售额排名及日均订单量变化趋势,提升数据洞察力与决策效率。
42 12
|
1天前
|
Web App开发 数据采集 前端开发
Python + Chrome 爬虫:如何抓取 AJAX 动态加载数据?
Python + Chrome 爬虫:如何抓取 AJAX 动态加载数据?
|
1月前
|
消息中间件 数据挖掘 数据处理
Pandas高级数据处理:数据流式计算
在大数据时代,Pandas作为Python强大的数据分析库,在处理结构化数据方面表现出色。然而,面对海量数据时,如何实现高效的流式计算成为关键。本文探讨了Pandas在流式计算中的常见问题与挑战,如内存限制、性能瓶颈和数据一致性,并提供了详细的解决方案,包括使用`chunksize`分批读取、向量化操作及`dask`库等方法,帮助读者更好地应对大规模数据处理需求。
62 17