利用 Python 实现 Excel 办公常用操作!

admin 2023年1月17日19:31:28安全开发评论4 views7117字阅读23分43秒阅读模式

点击上方“萝卜大杂烩”,选择“星标公众号

超级无敌干货,第一时间送达!!!


利用 Python 实现 Excel 办公常用操作!



来源:网络


本文用的主要是pandas,绘图用的库是plotly,实现的Excel的常用功能有:


  • Python和Excel的交互
  • vlookup函数
  • 数据透视表
  • 绘图


以后如果发掘了更多Excel的功能,会回来继续更新和补充。开始之前,首先按照惯例加载pandas包:


import numpy as npimport pandas as pdpd.set_option('max_columns', 10)pd.set_option('max_rows', 20)pd.set_option('display.float_format', lambda x: '%.2f' % x) # 禁用科学计数法


Python和Excel的交互


pandas里最常用的和Excel I/O有关的四个函数是read_csv/ read_excel/ to_csv/ to_excel,它们都有特定的参数设置,可以定制想要的读取和导出效果。比如说想要读取这样一张表的左上部分:


利用 Python 实现 Excel 办公常用操作!


可以用pd.read_excel("test.xlsx", header=1, nrows=17, usecols=3),返回结果:


df


       工号   姓名 性别  部门0   A0001   张伟  男  工程1   A0002  王秀英  女  人事2   A0003   王芳  女  行政3   A0004   郑勇  男  市场4   A0005   张丽  女  研发5   A0006   王艳  女  后勤6   A0007   李勇  男  市场7   A0008   李娟  女  工程8   A0009   张静  女  人事9   A0010   王磊  男  行政10  A0011   李娜  女  市场11  A0012  刘诗雯  女  研发12  A0013   王刚  男  后勤13  A0014   叶倩  女  后勤14  A0015  金雯雯  女  市场15  A0016  王超杰  男  工程16  A0017   李军  男  人事

输出函数也同理,使用多少列,要不要index,标题怎么放,都可以控制。


vlookup函数


vlookup号称是Excel里的神器之一,用途很广泛,下面的例子来自豆瓣,VLOOKUP函数最常用的10种用法,你会几种?[2]


案例一


问题:A3:B7单元格区域为字母等级查询表,表示60分以下为E级、60~69分为D级、70~79分为C级、80~89分为B级、90分以上为A级。D:G列为初二年级1班语文测验成绩表,如何根据语文成绩返回其字母等级?

利用 Python 实现 Excel 办公常用操作!

方法:在H3:H13单元格区域中输入=VLOOKUP(G3, $A$3:$B$7, 2)

python实现:

df = pd.read_excel("test.xlsx", sheet_name=0)def grade_to_point(x):    if x >= 90:        return 'A'    elif x >= 80:        return 'B'    elif x >= 70:        return 'C'    elif x >= 60:        return 'D'    else:        return 'E'
df['等级'] = df['语文'].apply(grade_to_point)df

    学号   姓名 性别   语文 等级0   101  王小丽  女   69  D1   102  王宝勤  男   85  B2   103  杨玉萍  女   49  E3   104  田东会  女   90  A4   105  陈雪蛟  女   73  C5   106  杨建丰  男   42  E6   107  黎梅佳  女   79  C7   108   张兴   男   91  A8   109  马进春  女   48  E9   110  魏改娟  女  100  A10  111  王冰研  女   64  D


案例二


问题:在Sheet1里面如何查找折旧明细表中对应编号下的月折旧额?(跨表查询)

利用 Python 实现 Excel 办公常用操作!

利用 Python 实现 Excel 办公常用操作!


方法:在Sheet1里面的C2:C4单元格输入 =VLOOKUP(A2, 折旧明细表!A$2:$G$12, 7, 0)

python实现:使用merge将两个表按照编号连接起来就行

df1 = pd.read_excel("test.xlsx", sheet_name='折旧明细表')df2 = pd.read_excel("test.xlsx", sheet_name=1) #题目里的sheet1df2.merge(df1[['编号', '月折旧额']], how='left', on='编号')

      编号   资产名称  月折旧额0  YT001    电动门   13991  YT005  桑塔纳轿车  11472  YT008    打印机    51


案例三


问题:类似于案例二,但此时需要使用近似查找

利用 Python 实现 Excel 办公常用操作!

利用 Python 实现 Excel 办公常用操作!

方法:在B2:B7区域中输入公式=VLOOKUP(A2&"*", 折旧明细表!$B$2:$G$12, 6, 0)

python实现:这个比起上一个要麻烦一些,需要用到一些pandas的使用技巧

df1 = pd.read_excel("test.xlsx", sheet_name='折旧明细表') df3 = pd.read_excel("test.xlsx", sheet_name=3) #含有资产名称简写的表df3['月折旧额'] = 0for i in range(len(df3['资产名称'])):    df3['月折旧额'][i] = df1[df1['资产名称'].map(lambda x:df3['资产名称'][i] in x)]['月折旧额']
df3

  资产名称   月折旧额0   电动   13991   货车   24382   惠普    1323   交联  101334  桑塔纳   11475   春兰    230

案例四


问题:在Excel中录入数据信息时,为了提高工作效率,用户希望通过输入数据的关键字后,自动显示该记录的其余信息,例如,输入员工工号自动显示该员工的信命,输入物料号就能自动显示该物料的品名、单价等。

如图所示为某单位所有员工基本信息的数据源表,在“2010年3月员工请假统计表”工作表中,当在A列输入员工工号时,如何实现对应员工的姓名、身份证号、部门、职务、入职日期等信息的自动录入?

利用 Python 实现 Excel 办公常用操作!

利用 Python 实现 Excel 办公常用操作!

方法:使用VLOOKUP+MATCH函数,在“2010年3月员工请假统计表”工作表中选择B3:F8单元格区域,输入下列公式=IF($A3="","",VLOOKUP($A3,员工基本信息!$A:$H,MATCH(B$2,员工基本信息!$2:$2,0),0)),按下【Ctrl+Enter】组合键结束。

python实现:上面的Excel的方法用得很灵活,但是pandas的想法和操作更简单方便些。

df4 = pd.read_excel("test.xlsx", sheet_name='员工基本信息表')df5 = pd.read_excel("test.xlsx", sheet_name='请假统计表')df5.merge(df4[['工号', '姓名', '部门', '职务', '入职日期']], on='工号')

      工号   姓名  部门   职务       入职日期0  A0004  龚梦娟  后勤   主管 2006-11-201  A0003   赵敏  行政   文员 2007-02-162  A0005   黄凌  研发  工程师 2009-01-143  A0007   王维  人事   经理 2006-07-244  A0016  张君宝  市场  工程师 2007-08-145  A0017   秦羽  人事  副经理 2008-03-06


案例五


问题:用VLOOKUP函数实现批量查找,VLOOKUP函数一般情况下只能查找一个,那么多项应该怎么查找呢?如下图,如何把张一的消费额全部列出?

利用 Python 实现 Excel 办公常用操作!

方法:在C9:C11单元格里面输入公式=VLOOKUP(B$9&ROW(A1),IF({1,0},$B$2:$B$6&COUNTIF(INDIRECT("b2:b"&ROW($2:$6)),B$9),$C$2:$C$6),2,),按SHIFT+CTRL+ENTER键结束。

python实现:vlookup函数有两个不足(或者算是特点吧),一个是被查找的值一定要在区域里的第一列,另一个是只能查找一个值,剩余的即便能匹配也不去查找了,这两点都能通过灵活应用if和indirect函数来解决,不过pandas能做得更直白一些

df6 = pd.read_excel("test.xlsx", sheet_name='消费额')df6[df6['姓名'] == '张一'][['姓名', '消费额']]

   姓名   消费额0  张一   1002  张一   3004  张一  1000


数据透视表


数据透视表是Excel的另一个神器,本质上是一系列的表格重组整合的过程。这里用的案例来自知乎,Excel数据透视表有什么用途?[3]

问题:需要汇总各个区域,每个月的销售额与成本总计,并同时算出利润

利用 Python 实现 Excel 办公常用操作!

通过Excel的数据透视表的操作最终实现了下面这样的效果:

利用 Python 实现 Excel 办公常用操作!

python实现:对于这样的分组的任务,首先想到的就是pandas的groupby,代码写起来也简单,思路就是把刚才Excel的点鼠标的操作反映到代码命令上:

df = pd.read_excel('test.xlsx', sheet_name='销售统计表')df['订购月份'] = df['订购日期'].apply(lambda x:x.month)df2 = df.groupby(['订购月份', '所属区域'])[['销售额', '成本']].agg('sum')df2['利润'] = df2['销售额'] - df2['成本']df2

                 销售额         成本        利润订购月份 所属区域                                1    南京    134313.61   94967.84  39345.77     常熟    177531.47  163220.07  14311.40     无锡    316418.09  231822.28  84595.81     昆山    159183.35  145403.32  13780.03     苏州    287253.99  238812.03  48441.962    南京    187129.13  138530.42  48598.71     常熟    154442.74  126834.37  27608.37     无锡    464012.20  376134.98  87877.22     昆山    102324.46   86244.52  16079.94     苏州    105940.34   91419.54  14520.80             ...        ...       ...11   南京    286329.88  221687.11  64642.77     常熟   2118503.54 1840868.53 277635.01     无锡    633915.41  536866.77  97048.64     昆山    351023.24  342420.18   8603.06     苏州   1269351.39 1144809.83 124541.5612   南京    894522.06  808959.32  85562.74     常熟    324454.49  262918.81  61535.68     无锡   1040127.19  856816.72 183310.48     昆山   1096212.75  951652.87 144559.87     苏州    347939.30  302154.25  45785.05
[60 rows x 3 columns]

也可以使用pandas里的pivot_table函数来实现:

df3 = pd.pivot_table(df, values=['销售额', '成本'], index=['订购月份', '所属区域'] , aggfunc='sum')df3['利润'] = df3['销售额'] - df3['成本']df3 

                  成本        销售额        利润订购月份 所属区域                                1    南京     94967.84  134313.61  39345.77     常熟    163220.07  177531.47  14311.40     无锡    231822.28  316418.09  84595.81     昆山    145403.32  159183.35  13780.03     苏州    238812.03  287253.99  48441.962    南京    138530.42  187129.13  48598.71     常熟    126834.37  154442.74  27608.37     无锡    376134.98  464012.20  87877.22     昆山     86244.52  102324.46  16079.94     苏州     91419.54  105940.34  14520.80             ...        ...       ...11   南京    221687.11  286329.88  64642.77     常熟   1840868.53 2118503.54 277635.01     无锡    536866.77  633915.41  97048.64     昆山    342420.18  351023.24   8603.06     苏州   1144809.83 1269351.39 124541.5612   南京    808959.32  894522.06  85562.74     常熟    262918.81  324454.49  61535.68     无锡    856816.72 1040127.19 183310.48     昆山    951652.87 1096212.75 144559.87     苏州    302154.25  347939.30  45785.05
[60 rows x 3 columns]

pandas的pivot_table的参数index/ columns/ values和Excel里的参数是对应上的(当然,我这话说了等于没说,数据透视表里不就是行/列/值吗还能有啥。。)

利用 Python 实现 Excel 办公常用操作!

但是我个人还是更喜欢用groupby,因为它运算速度非常快。我在打kaggle比赛的时候,有一张表是贷款人的行为信息,大概有2700万行,用groupby算了几个聚合函数,几秒钟就完成了。

groupby的功能很全面,内置了很多aggregate函数,能够满足大部分的基本需求,如果你需要一些其他的函数,可以搭配使用apply和lambda。不过pandas的官方文档说了,groupby之后用apply速度非常慢,aggregate内部做过优化,所以很快,apply是没有优化的,所以建议有问题先想想别的方法,实在不行的时候再用apply。我打比赛的时候,为了生成一个新变量,用了groupby的apply,写了这么一句:ins['weight'] = ins[['SK_ID_PREV', 'DAYS_ENTRY_PAYMENT']].groupby('SK_ID_PREV').apply(lambda x: 1-abs(x)/x.sum().abs()).iloc[:,1],1000万行的数据,足足算了十多分钟,等得我心力交瘁。

绘图


因为Excel画出来的图能够交互,能够在图上进行一些简单操作,所以这里用的python的可视化库是plotly,案例就用我这个学期发展经济学课上的作业吧,当时的图都是用Excel画的,现在用python再画一遍。开始之前,首先加载plotly包。

import plotly.offline as offimport plotly.graph_objs as gooff.init_notebook_mode()

柱状图


当时用Excel画了很多的柱状图,其中的一幅图是

利用 Python 实现 Excel 办公常用操作!

下面用plotly来画一下

利用 Python 实现 Excel 办公常用操作!

df = pd.read_excel("plot.xlsx", sheet_name='高等教育入学率')trace1 = go.Bar(        x=df['国家'],        y=df[1995],        name='1995',        opacity=0.6,        marker=dict(                color='powderblue'                )        )
trace2 = go.Bar( x=df['国家'], y=df[2005], name='2005', opacity=0.6, marker=dict( color='aliceblue', ) )
trace3 = go.Bar( x=df['国家'], y=df[2014], name='2014', opacity=0.6, marker=dict( color='royalblue' ) )
layout = go.Layout(barmode='group')data = [trace1, trace2, trace3]fig = go.Figure(data, layout)off.plot(fig)

雷达图


用Excel画的:

利用 Python 实现 Excel 办公常用操作!

用python画的:

利用 Python 实现 Excel 办公常用操作!

df = pd.read_excel('plot.xlsx', sheet_name='政治治理')theta = df.columns.tolist()theta.append(theta[0])names = df.indexdf[''] = df.iloc[:,0]df = np.array(df)
trace1 = go.Scatterpolar( r=df[0], theta=theta, name=names[0] )
trace2 = go.Scatterpolar( r=df[1], theta=theta, name=names[1] )
trace3 = go.Scatterpolar( r=df[2], theta=theta, name=names[2] )
trace4 = go.Scatterpolar( r=df[3], theta=theta, name=names[3] )
data = [trace1, trace2, trace3, trace4]layout = go.Layout( polar=dict( radialaxis=dict( visible=True, range=[0,1] ) ), showlegend=True )fig = go.Figure(data, layout)off.plot(fig)

画起来比Excel要麻烦得多。总体而言,如果画简单基本的图形,用Excel是最方便的,如果要画高级一些的或者是需要更多定制化的图形,使用python更合适。

参考资料
[1]来源: https://www.jianshu.com/p/9bc9f473dd22
[2]VLOOKUP函数最常用的10种用法,你会几种?: 
https://www.douban.com/note/617113346/
[3]Excel数据透视表有什么用途?: 
https://www.zhihu.com/question/22484899/answer/39933218

利用 Python 实现 Excel 办公常用操作!

人生苦短,我用python
神秘礼包获取方式
点击下方公众号回复:1024

利用 Python 实现 Excel 办公常用操作!

推荐阅读  点击标题可跳转

原文始发于微信公众号(萝卜大杂烩):利用 Python 实现 Excel 办公常用操作!

特别标注: 本站(CN-SEC.COM)所有文章仅供技术研究,若将其信息做其他用途,由用户承担全部法律及连带责任,本站不承担任何法律及连带责任,请遵守中华人民共和国安全法.
  • 我的微信
  • 微信扫一扫
  • weinxin
  • 我的微信公众号
  • 微信扫一扫
  • weinxin
admin
  • 本文由 发表于 2023年1月17日19:31:28
  • 转载请保留本文链接(CN-SEC中文网:感谢原作者辛苦付出):
                  利用 Python 实现 Excel 办公常用操作! http://cn-sec.com/archives/1417675.html

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: