多支持我们一起进步

1.批量操作当要处理众多Excel文件时例如出现重复性的手工劳动那么使用Python就可以实现批量扫描文件、自动化进行处理利用代码代替手工重复劳动实现自动化是Python第一个比Excel强大的地方

2.大型文件当Excel文件超过几十兆、甚至上百兆时打开文件很慢、处理文件更加慢这时候若使用Python会发现处理几十兆、几百兆甚至几GB都是没有问题的

3.当使用Excel进行复杂的计算时会使用VBA但是VBA本身是过时并且复杂的语言Python是当前最简单且容易实现的一门语言用Python能够处理比VBA难度更高的业务逻辑

4.Python是通用语言不仅可以处理Excel使用Python就可以得到很多额外的功能例如爬虫、发布网页的Web服务、与数据库进行连接、同时结合word和PPT进行处理、加入定时任务处理、人工智能分析等各种额外的功能这是Excel和VBA所不具备的

Python处理Excel主要有三大类库

1.pandas是Python领域非常重要的用于数据分析和可视化的类库在处理Excel中90%可以利用pandas类库就可以搞掂利用pandas就可以读取Excel、处理Excel和输出Excel但是pandas也有缺点就是无法做到格式类例如Excel中合并单元、大量复杂的样式看起来很精美的时候用pandas无法搞掂此时依然是使用pandas结合openyxl、xlwings来搞掂需求

2.openpyxl若电脑上未安装office时也可以使用openpyxl这个类型可以运行在linux上并且也可以实现操作大部分Excel格式和样式的功能使用它配合pandas也可以完成大部分场景的需求

3.xlwings比openyxl更加强大只能运行在Windows或者Mac系统并且该系统中必须安装了office才能运行xlwings的原理就是基于当前系统已经安装好的office软件来进行功能的拓展来操作Excel

requests,

sklearn进行复杂的数据分析时也可以结合机器学习Sklearn把读取的Excel数据进行数据分析和机器学习

Python-docx也可以结合Python-docx类库实现Excel和word的互通

smtplib也可以使用smtplib讲Excel数据发送邮件出去

开发环境

Python版本系统中需要安装Python3.6以上的版本Python2已经过期不建议使用Python3.6以前的版本功能相对弱最好就是采用Python3.6以上的版本

notebook是个网页编辑器可以运行Python常常用于交互性、探索性的开发pycharm用于成熟脚本或者web服务的一些开发这两个工具可以随意选择。

技术工具

老板想要看去年每月领料数量大于1000的数据。

手动筛选并复制粘贴出来需要重复操作12次实在太麻烦了还是让Python来做吧。

磨刀不误砍柴工先整理一下思路

读取原表将数量大于1000的数据所对应的行整行提取如同在excel表中按数字筛选大于1000的

from

[]#获取G列的数据并用enumrate给其对应的元素编号for

row

ws[Gstr(row)].valueqty_list.append(qty)qty_idx

#用于编号#判断数据是否大于1000然后返回大于1000的数据所对应的行数row_idx

qty_idx[i][1]

1000:row_idx.append(qty_idx[i][0]2)#获取满足条件的数据

data_morethan1K

row_idx:data_morethan1K.append(ws[Astr(i):Istr(i)])data[sheet_name]data_morethan1K

以上我们把满足条件的12个月的数据提取并存入字典data其键为对应的月份比如“1月”值就是满足条件的各行的数据。

我们把“每月物料表”的G列对应的数据提取存入列表qty_list其中前10个数据是如下这样的。

qty_list[:10]

然后需要使用enumerate函数给这个列表的数据加上索引以便在跟1000比大小的时候定位满足条件的那些数据的对应在Excel表中的行数。

加上索引之后的列表是如下这样的索引从0开始累加。

qty_idx[:10]

然后再新建一个列表row_idx用于储存“领料数量”大于1000的数据所对应的行号。

此处用到if语句进行判断只将“领料数量”大于1000的数据所对应的行号加上2存入列表。

为什么要加2是因为range函数是从0开始取的然后工作表首行是字段名第二行开始才是数据。

如下结果显示了满足条件的数据对应的行数。

row_idx[:5]

然后新建列表data_morethan1K用于存储以上行号对应的整行数据。

比如ws[A1:I1]就指第一行从A列到I列的所有单元格数据。

最后将数据存入data字典中。

数据结构如下所示。

data_morethan1K[1]

数据提取完成后就可以开始写入数据了。

打开模板按月从data字典中提取数据。

并根据数据结构找到层级关系将其中的各行的数据写入各单元格。

写完之后设置一下字号、边框即对齐方式保存数据。

到此收工

from

#按数据行数计数每行数据对应9列所以每行需分别写入9个单元格ws_new.cell(rowi2,column1).valuedata[month][i][0][0].valuews_new.cell(rowi2,column2).valuedata[month][i][0][1].valuews_new.cell(rowi2,column3).valuedata[month][i][0][2].valuews_new.cell(rowi2,column4).valuedata[month][i][0][3].value.date()ws_new.cell(rowi2,column5).valuedata[month][i][0][4].valuews_new.cell(rowi2,column6).valuedata[month][i][0][5].valuews_new.cell(rowi2,column7).valuedata[month][i][0][6].valuews_new.cell(rowi2,column8).valuedata[month][i][0][7].valuews_new.cell(rowi2,column9).valuedata[month][i][0][8].value#设置字号对齐缩小字体填充加边框#Font(boldTrue)可加粗字体for

row_number

ws_new.cell(rowrow_number,columncol_number)c.font

Font(size10)c.border

《ChatGPT进阶提示工程入门》是一本面向所有人的提示工程工具书旨在帮助你掌握并有效利用以ChatGPT为代表的AI工具。

学习完《ChatGPT进阶提示工程入门》后你将能够自如地将ChatGPT运用在生活和专业领域中成为ChatGPT进阶玩家。

《ChatGPT进阶提示工程入门》共分为9章内容涵盖三个层次介绍与解读、入门学习、进阶提升。

第12章深入介绍与剖析了ChatGPT与提示工程并从多个学科的角度探讨了提示工程学科。

第35章演示了ChatGPT的实际运用教你如何使用ChatGPT解决自然语言处理问题并为你提供了一套可操作、可重复的提示设计框架让你能够熟练驾驭ChatGPT。

第69章讲解了来自学术界的提示工程方法以及如何围绕ChatGPT进行创新此外为希望ChatGPT进行应用开发的读者提供了实用的参考资料并介绍了除ChatGPT之外的其他选择。

《ChatGPT进阶提示工程入门》聚焦ChatGPT的实际应用可操作可重复轻松易读却不失深度。

无论你是对ChatGPT及类似工具充满好奇还是期待将其转化为生产力。

编辑推荐

系统全面剖析ChatGPT应用技巧带你从小白变身ChatGPT应用专家。

有思路有办法能落地带你将ChatGPT真正转化为生产力开启AI驱动的工作流程。

简单易读深入浅出循序渐进内含60

抽奖方式评论区随机抽取3位小伙伴免费送出参与方式关注博主、点赞、收藏、评论区评论“人生苦短拒绝内卷”切记要点赞收藏否则抽奖无效每个人最多评论三次活动截止时间2023-10-05

20:00:00

京东购买链接https://item.jd.com/14098844.html

当当网购买链接http://product.dangdang.com/29612772.html

名单公布时间2023-10-05