私は、彼らの日常業務に対処する私の友人の多くは、退屈で時間のかかる仕上げ作業テーブルを行うために多くの時間を費やす可能性が高いものを、Excelスプレッドシートファイルの種類を使用すると確信しています。友人が最近、統合プログラムは、テーブルの負荷を軽減するかどうかを尋ね、今日は一例として、テーブルを並べ替え、自動化のPythonを実現するために来ます。
まず、我々は、このようなデータテーブルsource.csvがあります。
私たちがしなければならないが、スプレッドシートには、次の要件を満たして生成する、上記の表からデータを抽出することです。
- テーブル内のデータを整理するには、次のリストgroup.xlsグループ：
- 最後の項目は、データを表示するには：
- 前記表のデータとして「Kデータ/ 60」が「データK」/ 60 2つの小数点以下を予約した後に
私たちは、上記の要件手動エクセルに対処する方法を見て：、source.csvデータテーブルに読み込まれるデータの各部分を読んで、グループメンバーのgroup.xlsマッチを入れ、最終審査に必要なデータ項目、その後、特定の「データ演算処理のためのK」。
Pythonは、その後どのように機能するのだろうか？ここでは、強力なパンダのライブラリを使用する必要があります。
パンダnumpyのは、ツールに基づいて作成されたデータ分析タスクを解決するためのツールです。パンダは、大規模なライブラリを含め、いくつかの標準データモデルが効率的に大規模なデータセットを操作するために必要なツールを提供します。パンダは、多くの機能を提供し、方法は迅速かつ容易にデータを処理するために私たちを有効にします。あなたはすぐにそれがPythonが強力で効率的なデータ解析環境になるように重要な要因の一つであることがわかります。パンダBaiduの百科事典
関連する関数によって内容のCSVやXLSテーブルを読んで、最初の輸入パンダライブラリ：
在学习过程中有什么不懂得可以加我的
python学习交流扣扣qun，784758214
群里有不错的学习视频教程、开发工具与电子书籍。
与你分享python企业当下人才需求及怎么从零基础学习好python，和学习什么内容
import pandas as pd
# 读取 group.xls 分组信息
group = pd.read_excel("group.xls",header=None)
group.columns=["分组","角色"]
print(group)
# 读取 source.csv 获取所有成员数据
source = pd.read_csv("source.csv")
print(source)
我々が、スクリーニングにおけるデータ項目source.csv最初のデータ項目が「役割」、「数」、「データB」、「データC」、「データD」を有することが必要と「データK」：
# 通过 iloc[:,[列坐标]] 来定位需要的各列数据
filter_merge = source.iloc[:,[0,2,4,5,6,13]]
print(filter_merge)
次はgroup.xlsとsource.csvに注目すると、我々は効果を充填マッチングを形成するために、この定着を渡すことができ、「役割」一つ、二つのテーブルを共有し、文字データの役割に基づいて、パケットを一致させることです。
combine = pd.merge(group,filter_merge,on="角色")
次は第二のカラム「データK / 60」の後に運転を挿入します。
combine.insert(1,"数据K/60",round(filter_merge["数据K"]/60,2))
最後に、我々は、新しいデータ形式が書かれたのxlsxテーブルを生成します。
combine.to_excel(excel_writer="result.xlsx",index=False)
最終的には、自動的に次の表を生成しました：
上記のPythonコードの単純な実装のExcelスプレッドシートのようなものです