Python编程案例:同一工作簿不同表单特定数据添加到工作簿的另一表单里

简介: Python编程案例:同一工作簿不同表单特定数据添加到工作簿的另一表单里

Python编程案例:同一工作簿不同表单特定数据添加到工作簿的另一表单里
现有一个商品信息统计汇总的表格文件,有四个表单,其中三个表单是用商品的平台名称命名的,例如“A平台、B平台、C平台”,第四个表单名称是“口香糖”。现要将‘A,B, C’平台里的所有口香糖品类读取出来,然后添加到第四个表单“口香糖”里。如下图:

image.png

“口香糖”表单里的表头为“商品名称、月份、销售额、平台”,利用Python编程实现这个操作。

编 程 步 骤:

§ 指定“汇总.xlsx”工作簿文件所在的路径为当前工作路径

§ 打开工作簿,遍历工作簿中的“A、B、C平台”表单

§ 读取每个表单中的行数据,建立一个空列表,用于添加符合条件的数据

§ 向指定表单(“口香糖”)中添加数据

§ 保存工作簿

运 行 环 境:

OS:macOS Monterey Version 12.3.1

IDE: PyCharm 2020.1

程 序 源 码:

#_*_coding:utf-8_*_
# 作者      :liuxiaowei
# 创建时间   :4/10/22 1:36 PM
# 文件      :口香糖的味道.py
# IDE      :PyCharm

import os
import openpyxl

workPath = '/Users/liuxiaowei/data'
os.chdir(workPath)

if __name__ == '__main__':
    wb = openpyxl.load_workbook(os.listdir()[0])

    for sheet in wb.sheetnames:
        # 判断表单的标题是否是"口香糖"
        if sheet == '口香糖':
            continue
        for rowData in wb[sheet].rows:
            # 定义一个空列表存行数据
            rowdata = []
            if '口香糖' in rowData[0].value:
                for data in rowData:
                    rowdata.append(data.value)
                rowdata.append(sheet)
                # 向表格添加数据,只能整行为一个参数
                wb['口香糖'].append(rowdata)

    wb.save('汇总.xlsx')

运行结果如下:

image.png

相关文章
|
6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。
3845 1
|
6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。
643 0
|
6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
|
6月前
|
Python
Python编程:运算符详解
本文全面详解Python各类运算符,涵盖算术、比较、逻辑、赋值、位、身份、成员运算符及优先级规则,结合实例代码与运行结果,助你深入掌握Python运算符的使用方法与应用场景。
440 3
|
6月前
|
数据处理 Python
Python编程:类型转换与输入输出
本教程介绍Python中输入输出与类型转换的基础知识,涵盖input()和print()的使用,int()、float()等类型转换方法,并通过综合示例演示数据处理、错误处理及格式化输出,助你掌握核心编程技能。
647 3
|
6月前
|
并行计算 安全 计算机视觉
Python多进程编程:用multiprocessing突破GIL限制
Python中GIL限制多线程性能,尤其在CPU密集型任务中。`multiprocessing`模块通过创建独立进程,绕过GIL,实现真正的并行计算。它支持进程池、队列、管道、共享内存和同步机制,适用于科学计算、图像处理等场景。相比多线程,多进程更适合利用多核优势,虽有较高内存开销,但能显著提升性能。合理使用进程池与通信机制,可最大化效率。
453 3
|
6月前
|
Java 调度 数据库
Python threading模块:多线程编程的实战指南
本文深入讲解Python多线程编程,涵盖threading模块的核心用法:线程创建、生命周期、同步机制(锁、信号量、条件变量)、线程通信(队列)、守护线程与线程池应用。结合实战案例,如多线程下载器,帮助开发者提升程序并发性能,适用于I/O密集型任务处理。
651 0
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
411 0
|
机器学习/深度学习 数据采集 数据挖掘
解锁 Python 数据分析新境界:Pandas 与 NumPy 高级技巧深度剖析
Pandas 和 NumPy 是 Python 中不可或缺的数据处理和分析工具。本文通过实际案例深入剖析了 Pandas 的数据清洗、NumPy 的数组运算、结合两者进行数据分析和特征工程,以及 Pandas 的时间序列处理功能。这些高级技巧能够帮助我们更高效、准确地处理和分析数据,为决策提供支持。
450 2
|
存储 数据挖掘 数据处理
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第26天】Python 是数据分析领域的热门语言,Pandas 库以其高效的数据处理功能成为数据科学家的利器。本文介绍 Pandas 在数据读取、筛选、分组、转换和合并等方面的高效技巧,并通过示例代码展示其实际应用。
373 2

推荐镜像

更多
下一篇
开通oss服务