一、Python处理Excel
- Python处理Excel的好处
- 开源库支持：Python 有许多开源库（例如 openpyxl、xlrd、xlwt、pandas 等）可以用于读取、写入和操作 Excel 文件，这些库丰富而强大，支持各种 Excel 格式，包括 .xls 和 .xlsx。
- 数据处理能力：Python 具有强大的数据处理能力，可以轻松地从 Excel 文件中提取、转换和操作数据，包括数据清洗、筛选、合并、计算和可视化。
- 自动化：Python 可以用于自动化 Excel 任务，例如批量处理多个 Excel 文件，根据特定条件过滤和修改数据，自动生成报告和图表，以及自动发送电子邮件等。
- 与其他库集成：Python 可以与其他数据处理和分析库（如 NumPy、pandas、Matplotlib 等）无缝集成，使您能够在 Excel 数据上执行更复杂的分析和可视化。
- 跨平台性：Python 是跨平台的，可以在 Windows、Mac 和 Linux 等操作系统上运行，因此可以轻松地处理来自不同平台的 Excel 文件。
- 社区支持和文档：Python 社区非常庞大，有大量的文档、教程和示例代码可供学习和参考，帮助您解决与 Excel 处理相关的问题。
- 可扩展性：如果标准库中的功能不足以满足您的需求，您还可以使用其他第三方库来扩展 Python 的 Excel 处理功能，或者编写自定义脚本来执行特定的操作。
- Python处理Excel主要有三大类库
- openpyxl：
优势：openpyxl 是一个功能丰富的库，用于读取、写入和编辑 Excel 文件，特别适用于处理 .xlsx 格式的文件。它支持大多数 Excel 功能，包括工作表的创建、修改、格式化，单元格内容的读取和写入，以及图表的创建。
适用场景：如果您需要与 Excel 2007及更高版本的 .xlsx 文件进行交互，openpyxl 是一个很好的选择。
- xlrd 和 xlwt：
xlrd 用于读取 Excel 文件，而 xlwt 用于创建和写入 Excel 文件，主要支持 .xls 格式。
优势：虽然这两个库在处理 .xlsx 文件方面不如 openpyxl 强大，但它们在处理早期版本的 Excel 文件（.xls 格式）方面非常有用，而且它们简单易用。
适用场景：当您需要与较早版本的 Excel 文件进行交互时，或者需要在读取和写入操作中保持兼容性时，可以考虑使用这些库。
- pandas：
优势：pandas 是一个强大的数据分析库，可以轻松地处理各种数据，包括从 Excel 文件中读取数据。它可以读取和写入 Excel 文件，支持 .xls 和 .xlsx 格式，并提供了丰富的数据处理和分析功能。
适用场景：pandas 特别适合在数据分析、数据清洗、数据转换和数据可视化等任务中处理 Excel 数据。它使得在 Python 中进行复杂的数据操作变得容易。
- 开发环境
操作系统：使用windows
Python版本：系统中需要安装Python3.8以上的版本
开发工具：选择 jupyter notebook
二、在Excel中按条件筛选数据并存入新的表
技术工具：
Python版本:3.9
代码编辑器：jupyter notebook
去年领用物料情况记录在278张Excel表中，老板希望按领用量从高到低排序并查看前10种领用最多的物料。手动操作需要合并表格并使用数据透视表，Python的pandas库可快速高效处理数据，演示如何用它统计一个Excel工作簿中278张表的数据并汇总排序。
import pandas as pd
然后我们先用`pd.read_excel()`打开第一张工作表，试试水，打开后存入变量`df`。传入要打开的工作簿，即`'日领料单.xlsx'`。数据的字段名在第三行，指定`header=2`。因为header是用0表示第一行，所以第三行对应的索引为2。第一张表的名称叫`01-03`，所以指定参数`sheet_name = '01-03'`。打开后，用`df.head()`看一下效果，这个函数值看头几行数据，括号内不填具体数量，则默认头五行。相对应的，`df.tail()`则是看末尾5行。
df = pd.read_excel('日领料单.xlsx' ,header=2, sheet_name = '01-03') df.head()
数据显示与Excel表中完全一致，那就可以开始下一步了，即按照“物料编号”和“物料描述”字段将“批号批数量”加总。这里将使用到`groupby()`，它的作用是分组聚合，有点类似数据透视表中的“行”。此处我们按“物料编号”和“物料描述”分组聚合数据，并按“批号批数量”加总`['批号批数量'].sum()`。因为汇总数据后，行会减少(从191行减少到163行)，所以需要重设行编号`reset_index()`，按0~162重新编号。
#按物料编号加总领料数量 df_sum = df.groupby(['物料编号','物料描述'])['批号批数量'].sum().reset_index() df_sum.tail() #看尾部5行的数据
然后我们用`sort_values()`排序，排序规则是从大到小`ascending = False`，并看前10项的数据`head(10)`。这个跟Excel中的数据透视表得到的结果完全一致。
df_sum.sort_values('批号批数量',ascending = False).head(10)
以上，是对单个工作表的处理，下面我们用同样的方式遍历全部278张工作表，然后汇总数据。先新建一个空的数据框`result`，用于存储汇总所有工作表的结果。然后通过传入参数`sheet_name = None`（即不指定工作表，则全部读取），读取整个Excel文件中的所有工作表。然后按工作表名遍历所有工作表，分组聚合，加总“批号批数量”，将汇总后的数据框`df_sum`通过连接函数`concat`增加到`result`中。在此处，`concat`有点类似于列表中的`append`增加元素的功能，这里增加的是DataFrame。其作用的示意图如下。
#新建一个DataFrame用于存储汇总所有工作表的结果 result = pd.DataFrame() #读取整个Excel文件中的所有表 df = pd.read_excel('日领料单.xlsx', header=2, sheet_name = None) #按表名遍历，处理数据 for sheet_name in df.keys(): #按物料编号加总领料数量 df_sum = df[sheet_name].groupby(['物料编号','物料描述'])['批号批数量'].sum().reset_index() result = pd.concat([result,df_sum]) result.head()
以上，`df.keys()`存有所有工作表名，共278个。通过`for`循环逐个从其中取出名字，然后通过名字读取数据及汇总。
df.keys()
数据汇总在一起后，需要再最后分类汇总一下（因为每天领取的物料是有重复的，需要将相同物料编号对应的数量加总），并降序排序。最终得到领用量最多的10个物料。
final = result.groupby(['物料编号','物料描述'])['批号批数量'].sum().reset_index().sort_values('批号批数量',ascending = False) final.head(10)
我们还可以将最终结果保存为Excel文件，以便在Excel中操作。
final.to_excel("汇总.xlsx")
