Python实用记录(十):获取excel数据并通过列表的形式保存为txt文档、xlsx文档、csv文档

简介: 这篇文章介绍了如何使用Python读取Excel文件中的数据,处理后将其保存为txt、xlsx和csv格式的文件。

1. 获取excel文档中的每一个数据并保存为数组

在这里插入图片描述

import openpyxl
import pandas as pd
import numpy as np

def Read_Excel(Excelname,sheet):
    '''
    作用:读取excel表格
    load_workbook 模块读取 excel 文件中对应的"修改"表中的数据,封装为列表并返回
    '''
    excel = openpyxl.load_workbook(filename=Excelname)
    # 获取sheet对应的excel数据 分别有两个一个是data,一个是Sheet1
    reult=excel[sheet]
    return reult
def Deal_data(reult):
    # 最小行 最大行 最小列 最大列
    print(reult.min_row, reult.max_row, reult.min_column, reult.max_column)

    Julei_a1=(70.72450+58.41271+79.55004+80.25528+90.63146)/5
    Julei_a3=(77.85307+67.64918+78.36915+53.75346+89.09208)/5
    Julei_a5=(59.73232+74.38533+85.66948+85.93039+74.38057)/5
    print(Julei_a5,Julei_a3,Julei_a1)

    store=[]
    for i in range(reult.min_row+1,reult.max_row+1):
        Customer = get_Value(reult,'A'+str(i)) 
        Brand_type = get_Value(reult,'B'+str(i)) 
        a1 = get_Value(reult,'C'+str(i)) 
        a1=(Julei_a1 if int(a1)>100 else a1)
        a2 = get_Value(reult,'D'+str(i)) 
        a3 = get_Value(reult,'E'+str(i)) 
        a3=(Julei_a3 if int(a3)>100 else a3)
        a4 = get_Value(reult,'F'+str(i))
        a5 = get_Value(reult,'G'+str(i))
        a5=(Julei_a5 if int(a5)>100 else a5) 
        a6 = get_Value(reult,'H'+str(i)) 
        a7 = get_Value(reult,'I'+str(i)) 
        a8 = get_Value(reult,'J'+str(i)) 
        # print(a1)
        if int(a1)<0 or int(a2)<0 or int(a3)<0 or int(a4)<0 or int(a5)<0 or int(a6)<0 or int(a7)<0 or int(a8)<0 : # 判断是否有负数
            print('a1-a8存在负数')
        if int(a1)>100 or int(a2)>100 or int(a3)>100 or int(a4)>100 or int(a5)>100 or int(a6)>100 or int(a7)>100 or int(a8)>100 : # 判断是否有大于100的数
            print('a1-a8存在大于100的数 \n')
        B1 = get_Value(reult,'k'+str(i))
        B2 = get_Value(reult,'L'+str(i))
        B3 = get_Value(reult,'M'+str(i)) 
        B4 = get_Value(reult,'N'+str(i)) 
        B5 = get_Value(reult,'O'+str(i)) 
        B6 = get_Value(reult,'P'+str(i)) 
        B7 = get_Value(reult,'Q'+str(i)) 
        B7 = (0 if B7=='#NULL!' else B7)
        if B7=='#NULL!':
            print('B7 存在 #NULL 该值为:{}\n'.format(B7))
        B8 = get_Value(reult,'R'+str(i)) 
        B9 = get_Value(reult,'S'+str(i)) 
        B10 = get_Value(reult,'T'+str(i))
        B11 = get_Value(reult,'U'+str(i)) 
        B12 = get_Value(reult,'V'+str(i)) 
        B13 = get_Value(reult,'W'+str(i))
        B14 = get_Value(reult,'X'+str(i)) 
        B15 = get_Value(reult,'Y'+str(i))
        B16 = get_Value(reult,'Z'+str(i)) 
        B17 = get_Value(reult,'AA'+str(i)) 
        Purchase_think = get_Value(reult,'AB'+str(i)) 
        print(Customer,Brand_type,a1,a2,a3,a4,a5,a6,a7,a8,B1,B2,B3,B4,B5,B6,B7,B8,B9,B10,B11,B12,B13,B14,B15,B16,B17,Purchase_think)
        store.append([Customer,Brand_type,a1,a2,a3,a4,a5,a6,a7,a8,B1,B2,B3,B4,B5,B6,B7,B8,B9,B10,B11,B12,B13,B14,B15,B16,B17,Purchase_think])
    return store

def get_Value(wb, tag):
    '''
    输入:获取相应单元格的数据
    wb为表格对象
    tag为单元格标签
    输出:对应单元格的数据
    '''
    return wb[tag].value

if __name__ == '__main__':
    # excel_path='F:\epycharm\HSB_match\excel_file\Whole_data.xlsx'
    new_Excel_path=r'F:\epycharm\HSB_match\excel_file\predict_data.xlsx'
    result_data = Read_Excel(new_Excel_path, 'Sheet1')  # Sheet1 data
    store=Deal_data(result_data) # 将每一行的数据保存为数组

2. txt

        """保存为txt"""
        f = open('F:\epycharm\HSB_match\excel_file\After_Deal_txt.txt','a')
        f.write(str(Customer)+' '+str(Brand_type)+
                ' '+str(a1)+' '+ str(a2)+' '+str(a3)+' '+str(a4)+' '+str(a5)+' '+str(a6)+' '+str(a7)+' '+str(a8)+
                ' '+str(B1)+' '+str(B2)+' '+str(B3)+' '+str(B4)+' '+str(B5)+' '+str(B6)+' '+str(B7)+' '+str(B8)+' '+str(B9)+' '+str(B10)+
                ' '+str(B11)+' '+str(B12)+' '+str(B13)+' '+str(B14)+' '+str(B15)+' '+str(B16)+' '+str(B17)+
                ' '+str(Purchase_think))
        f.write('\n')

3. xlsx

def savenpyasexcel(ndarray,output):
    #ndarray是数组,output是保存的文件位置
    data_df = pd.DataFrame(ndarray)  # 关键1,将ndarray格式转换为DataFrame
    rows,cols = ndarray.shape
    print(rows,cols)
    # 更改表的索引
    data_index = []
    for i in range(rows):
        data_index.append(i)
    data_df.index = data_index
    # 更改表的索引
    data_indexs = []
    for i in range(cols):
        data_indexs.append(i)
    data_df.index = data_index
    data_df.columns = data_indexs

    # 将文件写入excel表格中
    writer = pd.ExcelWriter(output)
    data_df.to_excel(writer, 'page_1',
                     float_format='%.4f')  # 关键3,float_format 控制精度,将data_df写到hhh表格的第一页中。若多个文件,可以在page_2中写入
    writer.save()  # 关键4
    return 1
"""保存为excel的xlsx"""
savenpyasexcel(np.array(store),new_Excel_path) # 保存为excel

4. csv

np.savetxt("deal_data.csv", np.array(store), delimiter=",")
目录
相关文章
|
1月前
|
数据可视化 数据挖掘 大数据
1.1 学习Python操作Excel的必要性
学习Python操作Excel在当今数据驱动的商业环境中至关重要。Python能处理大规模数据集,突破Excel行数限制;提供丰富的库实现复杂数据分析和自动化任务,显著提高效率。掌握这项技能不仅能提升个人能力,还能为企业带来价值,减少人为错误,提高决策效率。推荐从基础语法、Excel操作库开始学习,逐步进阶到数据可视化和自动化报表系统。通过实际项目巩固知识,关注新技术,为职业发展奠定坚实基础。
|
2月前
|
索引 Python
Python列表
Python列表。
55 8
|
2月前
|
C语言 Python
[oeasy]python054_python有哪些关键字_keyword_list_列表_reserved_words
本文介绍了Python的关键字列表及其使用规则。通过回顾`hello world`示例,解释了Python中的标识符命名规则,并探讨了关键字如`if`、`for`、`in`等不能作为变量名的原因。最后,通过`import keyword`和`print(keyword.kwlist)`展示了Python的所有关键字,并总结了关键字不能用作标识符的规则。
46 9
|
2月前
|
数据挖掘 大数据 数据处理
python--列表list切分(超详细)
通过这些思维导图和分析说明表,您可以更直观地理解Python列表切分的概念、用法和实际应用。希望本文能帮助您更高效地使用Python进行数据处理和分析。
78 14
|
2月前
|
数据挖掘 大数据 数据处理
python--列表list切分(超详细)
通过这些思维导图和分析说明表,您可以更直观地理解Python列表切分的概念、用法和实际应用。希望本文能帮助您更高效地使用Python进行数据处理和分析。
137 10
|
2月前
|
机器学习/深度学习 前端开发 数据处理
利用Python将Excel快速转换成HTML
本文介绍如何使用Python将Excel文件快速转换成HTML格式,以便在网页上展示或进行进一步的数据处理。通过pandas库,你可以轻松读取Excel文件并将其转换为HTML表格,最后保存为HTML文件。文中提供了详细的代码示例和注意事项,帮助你顺利完成这一任务。
105 0
|
2月前
|
存储 Java easyexcel
招行面试:100万级别数据的Excel,如何秒级导入到数据库?
本文由40岁老架构师尼恩撰写,分享了应对招商银行Java后端面试绝命12题的经验。文章详细介绍了如何通过系统化准备,在面试中展示强大的技术实力。针对百万级数据的Excel导入难题,尼恩推荐使用阿里巴巴开源的EasyExcel框架,并结合高性能分片读取、Disruptor队列缓冲和高并发批量写入的架构方案,实现高效的数据处理。此外,文章还提供了完整的代码示例和配置说明,帮助读者快速掌握相关技能。建议读者参考《尼恩Java面试宝典PDF》进行系统化刷题,提升面试竞争力。关注公众号【技术自由圈】可获取更多技术资源和指导。
|
2月前
|
数据采集 数据可视化 数据挖掘
利用Python自动化处理Excel数据:从基础到进阶####
本文旨在为读者提供一个全面的指南,通过Python编程语言实现Excel数据的自动化处理。无论你是初学者还是有经验的开发者,本文都将帮助你掌握Pandas和openpyxl这两个强大的库,从而提升数据处理的效率和准确性。我们将从环境设置开始,逐步深入到数据读取、清洗、分析和可视化等各个环节,最终实现一个实际的自动化项目案例。 ####
305 10
|
4月前
|
easyexcel Java UED
SpringBoot中大量数据导出方案:使用EasyExcel并行导出多个excel文件并压缩zip后下载
在SpringBoot环境中,为了优化大量数据的Excel导出体验,可采用异步方式处理。具体做法是将数据拆分后利用`CompletableFuture`与`ThreadPoolTaskExecutor`并行导出,并使用EasyExcel生成多个Excel文件,最终将其压缩成ZIP文件供下载。此方案提升了导出效率,改善了用户体验。代码示例展示了如何实现这一过程,包括多线程处理、模板导出及资源清理等关键步骤。
|
4月前
|
数据采集 存储 JavaScript
自动化数据处理:使用Selenium与Excel打造的数据爬取管道
本文介绍了一种使用Selenium和Excel结合代理IP技术从WIPO品牌数据库(branddb.wipo.int)自动化爬取专利信息的方法。通过Selenium模拟用户操作,处理JavaScript动态加载页面,利用代理IP避免IP封禁,确保数据爬取稳定性和隐私性。爬取的数据将存储在Excel中,便于后续分析。此外,文章还详细介绍了Selenium的基本设置、代理IP配置及使用技巧,并探讨了未来可能采用的更多防反爬策略,以提升爬虫效率和稳定性。
260 4

热门文章

最新文章

推荐镜像

更多