python表格操作,数据提取分析的用法(2)

简介: python表格操作,数据提取分析的用法(2)

5,获取表格内的所有内容,以列表里套字典的方式读取出来(很重要,想掌握自动化测试的一定要掌握这个方法)


1)代码段


我们只需要传入表的路径和表页就能自动读取我们的数据



   2)我们可以看到,这个函数的功能读取数据,哈哈,我们找一个表格来测试下吧,下面的表格我们可以看到,里面有2行内容,我们只要给这个class里传入表位置的路径和表页



3)我们传入表的用法和路径和可以看到,函数已经帮我计算和组合出了我们所要的数据类型,我这里设置的是将表的第一行设置为字典的键,每一行的内容使用字典来存储,一个键一个值类似于[{"第一行第一列的内容":"第二行第一列的内容"},{"第一行第二列的内容":"第二行第二列的内容"},{"第一行第一列的内容":"第三行行第一列的内容"}]



6,在指定单元格里写入数据


1)上代码



2)这个函数的功能是,我们在class提交表格路径和表页后,在函数里面传入我们要在表格里写数据的是第几行的第几列,这里我在表格的第5行第4列写入数据“admin”,这里要注意,当我们要在表格里写入数据的时候是不能把表打开的。



3)我们在来看看执行函数后表格有什么变化吧。我们已经看到,函数已经帮我们在表格中指定的位置添加了数据“admin”



7,获取所有的数据,以列表套列表的形式展示


1)上代码



2)这个函数功能与获取数据已字典里套列表的形式是差不多的,只不过是数据类型不一致,一个是字典里套列表,一个是列表里套列表,看下实验表是怎么样的吧



3)还是在class里传入我们表格的所在位置和表页,函数就能帮我们统计内容和数据转换啦,我们已经看到数据已经帮我们统计出来了,这里要注意的时,他是将每一行的数据放值在最里面的列表里,有多少行就有多少数据,这里要注意下,我设置的是不读取第一行的内容,读取的内容形式相当于      [[第二行内容],[第三行内容],[第四行内容]]



就讲到这里了

相关文章
|
30天前
|
存储 分布式计算 大数据
基于Python大数据的的电商用户行为分析系统
本系统基于Django、Scrapy与Hadoop技术,构建电商用户行为分析平台。通过爬取与处理海量用户数据,实现行为追踪、偏好分析与个性化推荐,助力企业提升营销精准度与用户体验,推动电商智能化发展。
|
1月前
|
数据采集 Web App开发 数据可视化
Python零基础爬取东方财富网股票行情数据指南
东方财富网数据稳定、反爬宽松,适合爬虫入门。本文详解使用Python抓取股票行情数据,涵盖请求发送、HTML解析、动态加载处理、代理IP切换及数据可视化,助你快速掌握金融数据爬取技能。
1031 1
|
1月前
|
Java 数据挖掘 数据处理
(Pandas)Python做数据处理必选框架之一!(一):介绍Pandas中的两个数据结构;刨析Series:如何访问数据;数据去重、取众数、总和、标准差、方差、平均值等;判断缺失值、获取索引...
Pandas 是一个开源的数据分析和数据处理库,它是基于 Python 编程语言的。 Pandas 提供了易于使用的数据结构和数据分析工具,特别适用于处理结构化数据,如表格型数据(类似于Excel表格)。 Pandas 是数据科学和分析领域中常用的工具之一,它使得用户能够轻松地从各种数据源中导入数据,并对数据进行高效的操作和分析。 Pandas 主要引入了两种新的数据结构:Series 和 DataFrame。
349 0
|
1月前
|
JSON 算法 API
Python采集淘宝商品评论API接口及JSON数据返回全程指南
Python采集淘宝商品评论API接口及JSON数据返回全程指南
|
1月前
|
机器学习/深度学习 PyTorch 算法框架/工具
python torch基础用法
本教程系统讲解PyTorch基础,涵盖张量操作、自动求导、神经网络构建、训练流程、GPU加速及模型保存等核心内容,结合代码实例帮助初学者快速掌握深度学习开发基础,是入门PyTorch的实用指南。
395 6
|
29天前
|
机器学习/深度学习 大数据 关系型数据库
基于python大数据的台风灾害分析及预测系统
针对台风灾害预警滞后、精度不足等问题,本研究基于Python与大数据技术,构建多源数据融合的台风预测系统。利用机器学习提升路径与强度预测准确率,结合Django框架实现动态可视化与实时预警,为防灾决策提供科学支持,显著提高应急响应效率,具有重要社会经济价值。
|
30天前
|
机器学习/深度学习 大数据 关系型数据库
基于python大数据的青少年网络使用情况分析及预测系统
本研究基于Python大数据技术,构建青少年网络行为分析系统,旨在破解现有防沉迷模式下用户画像模糊、预警滞后等难题。通过整合多平台亿级数据,运用机器学习实现精准行为预测与实时干预,推动数字治理向“数据驱动”转型,为家庭、学校及政府提供科学决策支持,助力青少年健康上网。
一分钟看懂Python中的 // 和 / 和 % 的用法区别
一分钟看懂Python中的 // 和 / 和 % 的用法区别

推荐镜像

更多
下一篇
oss云网关配置