有没有办法从excel表格中获取列，将列写入列表并将其排序，然后将它们重写为另一个Excel表格？这是我到目前为止所尝试的，但它只写入最后一列数据。我不需要前两行数据，因为它们只是标题。使用Python对Excel中的列数据进行排序
import xlrd
import xlsxwriter
wb = xlrd.open_workbook('exceldata.xlsx')
ws = wb.sheet_by_index(0)
col=[]
for i in range(2,ws.ncols):
col=ws.col_values(i)
for x in range(2):
col.pop(0)
col.sort()
workbook = xlsxwriter.Workbook('test_sorting.xlsx')
worksheet = workbook.add_worksheet()
worksheet.write_column('A1',col)
workbook.close()
UPDATE：这是成功的，但没有人知道这是如何简化？
import xlrd
import xlsxwriter
wb = xlrd.open_workbook('exceldata.xlsx')
ws = wb.sheet_by_index(0)
col1=ws.col_values(2)
for x in range(2):
col1.pop(0)
col1.sort()
col2=ws.col_values(3)
for x in range(2):
col2.pop(0)
col2.sort()
col3=ws.col_values(4)
for x in range(2):
col3.pop(0)
col3.sort()
col4=ws.col_values(5)
for x in range(2):
col4.pop(0)
col4.sort()
col5=ws.col_values(6)
for x in range(2):
col5.pop(0)
col5.sort()
columns=[]
for i in range(2,7):
col=ws.col_values(i)
columns.append(col)
print(columns)
workbook = xlsxwriter.Workbook('test_sorting.xlsx')
worksheet = workbook.add_worksheet()
worksheet.write_column('A2',col1)
worksheet.write_column('B2',col2)
worksheet.write_column('C2',col3)
worksheet.write_column('D2',col4)
worksheet.write_column('E2',col5)
workbook.close（）
+0
您不需要弹出任何值。您可以简单地从第二个元素开始检索值：'ws.col_values（3，1）'返回一个以D2开头的值列表。虽然我认为xlrd是阅读Excel文件的最佳软件包，但它没有最好的文档。您应该查看旧的[教程PDF]（https://github.com/python-excel/tutorial）的xlrd部分。是的，它已经过时了，但仍然比“官方”xlrd文档更好。 –
+0
最后的循环，构建'columns'，是正确的想法。您可以使用'columns'而不是'col1'，'col2'等。请注意，虽然'columns'是一个列表，但它内部的元素也是列表，因此可以单独引用和操作。例如，在上面的代码中，'columns [2]'包含与'col3'相同的数据（除了弹出和排序）。你如何弹出和排列“列”中的数据？最简单的方法就是在你创建'columns'的时候，在将'col'追加到'columns'之前立即做'col'。 –

Python实现EXCEL表格的排序功能示例
EXCEL的数值排序功能还是挺强大的，升序、降序，尤其自定义排序，能够对多个字段进行排序工作。
那么，在Python大法中，有没有这样强大的排序功能呢？答案是有的，而且本人觉得Python的排序功能，一点不比EXCEL的差。
同样，我们依然用到的是强大的pandas这个三方库。我们先将numpy和pandas导入进来：
接着构造一个今天要用到的DataFrame，我们用字典的形式来构造。
都是随意构造的，内容别较真。我们先来个简单点的热热身，按照身高的降序来排列一下。
我们用到的是df.sort_values()这个函数。第一个参数为by，传入你要排序的列的标签名即可，后面的ascending参数指示排序方法为升序还是降序，True为升序，False为降序。由于存在相同的身高，pandas会自动的比较两个相同身高所对应的index，按照index的升序来排列。
假如我有这样一个需求：先按照身高降序排序，若存在相同的身高，则再按照武力来降序排序，可以做到吗？
当然可以，我们只需要在by参数里传入列标签组成的列表即可。
通过这个例子我们可以看到，by参数不但可以传入字符串，还可以传入字符串组成的列表，来实现对多个列进行排序。
接着，我的要求再高一点。身高我依然需要降序，但是武力我需要升序，可以吗？
我们直接上结果：
跟by参数类似，我们只需要在ascending参数中也传入布尔值组成的列表就可以了，意思就是告诉pandas，这两列我各自需要的排序方式，就跟后面ascending参数里指定的一样。因此，这两个参数的列表内的元素个数需要是一致的，否则就会报错了，因为没法一一对应。
关于sort_values这个强大的排序函数就介绍到这了。除了这些参数之外，它还有inplace、kind和na_position等参数来应对不同的排序需求。可以参考官网文档进行学习
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我们。
时间： 2019-06-24
本文实例为大家分享了python数据写入excel表格的具体代码,供大家参考,具体内容如下 安装: xlsxwriter第三方库 code: #!/usr/bin/env/python #_*_coding:utf-8_*_ #Data:2017-08-13 #Auther:苏莫 #Link:http://blog.csdn.net/lingluofengzang #PythonVersion:python2.7 #filename:xlsx.py import sys # import os
数据库数据导出为excel表格,也可以说是一个很常用的功能了.毕竟不是任何人都懂数据库操作语句的. 下面先来看看完成的效果吧. 数据源 导出结果 依赖 由于是Python实现的,所以需要有Python环境的支持 Python2.7.11 我的Python环境是2.7.11.虽然你用的可能是3.5版本,但是思想是一致的. xlwt pip install xlwt MySQLdb pip install MySQLdb 如果上述方式不成功的话,可以到sourceforge官网上去下载windows
最近遇到一个情景,就是定期生成并发送服务器使用情况报表,按照不同维度统计,涉及python对excel的操作,上网搜罗了一番,大多大同小异,而且不太能满足需求,不过经过一番对源码的"研究"(用此一词让我觉得颇有成就感)之后,基本解决了日常所需.主要记录使用过程的常见问题及解决. python操作excel主要用到xlrd和xlwt这两个库,即xlrd是读excel,xlwt是写excel的库.可从这里下载https://pypi.python.org/pypi.下面分别记录python
生活中经常会碰到多个excel表格汇总成一个表格的情况,比如你发放了一份表格让班级所有同学填写,而你负责将大家的结果合并成一个.诸如此类的问题有很多.除了人工将所有表格的内容一个一个复制到汇总表格里,那么如何用Python自动实现这些工作呢~ 我不知道有没有其他更方便的合并方法,先用Python实现这个功能,自己用就很方便了. 比如,在文件夹下有如下7个表格(想象一下有100个或更多的表格需要合并) 作为样例,每个表格的内容均为 运行程序,将7个表格合并成了test.xls 打开test.xls
需要先安装openpyxl库 通过pip命令安装: pip install openpyxl 源码如下: #!/usr/bin/python3 #-*- coding:utf-8 -*- import openpyxl def getCell(wb, sheetname, column): #指定读取哪个Sheet(每个excel表格默认有三个Sheet:Sheet1,Sheet2,Sheet3) table = wb[sheetname] #读取哪一列数据 cell = table[colum
Excel 中的每一个单元,都会有这些属性:颜色(colors).number formatting.字体(fonts).边界(borders).alignment.模式(patterns) 等等. xlsxwriter 格式处理,将待添加数据转换成相应的格式,添加到 xlsx 文件中 总结 以上所述是小编给大家介绍的使用Python处理Excel表格的简单方法,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的.在此也非常感谢大家对我们网站的支持!
安装使用pip install XlsxWriter来安装,Xlsxwriter用来创建excel表格,功能很强大,下面具体介绍: 1.简单使用excel的实例: #coding:utf-8 import xlsxwriter workbook = xlsxwriter.Workbook('d:\\suq\\test\\demo1.xlsx') #创建一个excel文件 worksheet = workbook.add_worksheet('TEST') #在文件中创建一个名为TEST的shee
利用Python将多份excel表格整理成一份表格,抛弃过去逐份打开复制粘贴的方式. 直接附上代码: import xlrd import xlwt import os from xlutils.copy import copy import os.path from xlwt import * dir = input("输入文件路径\n"); start_row = input("输入需要读取起始行号\n"); start_row = int(start_row)
为了将excel数据自动转换成所需要的erlang数据,听同事说使用python会很方便简单,就自学了两天python,写了一个比较粗糙的python脚本,不过能用,有什么优化的地方请指教 代码如下: #!/usr/bin/env python # -*- coding: UTF-8 -*- import sys from openpyxl.reader.excel import load_workbook import os import os.path def gen_data(filena
使用python删除excel表格重复行. # 导入pandas包并重命名为pd import pandas as pd # 读取Excel中Sheet1中的数据 data = pd.DataFrame(pd.read_excel('test.xls', 'Sheet1')) # 查看读取数据内容 print(data) # 查看是否有重复行 re_row = data.duplicated() print(re_row) # 查看去除重复行的数据 no_re_row = data.drop_d
python 读取excel文件生成sql文件实例详解 学了python这么久,总算是在工作中用到一次.这次是为了从excel文件中读取数据然后写入到数据库中.这个逻辑用java来写的话就太重了,所以这次考虑通过python脚本来实现. 在此之前需要给python添加一个xlrd模块,这个模块是专门用来操作excel文件的. 在mac中可以通过easy_install xlrd命令实现自动安装模块 import xdrlib ,sys import xlrd def open_excel(fil
python读取Excel表格文件,例如获取这个文件的数据 python读取Excel表格文件,需要如下步骤: 1.安装Excel读取数据的库-----xlrd 直接pip install xlrd安装xlrd库 #引入Excel库的xlrd import xlrd 2.获取Excel文件的位置并且读取进来 #导入需要读取Excel表格的路径 data = xlrd.open_workbook(r'C:\Users\NHT\Desktop\Data\\test1.xlsx') table = d
今日给大家分享一个Python读取Excel表格,同时采用表格中的数值画图柱状图和折线图,这里只需要几行代码便可以实. 首先我们需要安装一个Excel操作的库xlrd,这个很简单,在安装Python后直接在DOS命令下输入pip install xlrd,便可以安装成功,如果还是不行,就输入Python -m pip install xlrd.后面会附上完整的代码和截图: 这行代码就是读取本地Excel文件的: data = xlrd.open_workbook(r'C:\\Users\\ASU
一.需求背景 自己一直在做一个周基金定投模拟,每周需要添加一行数据,并生成图表.以前一直是用Excel实现的.但数据行多后,图表大小调整总是不太方便,一般只能通过缩放比例解决. 二.需求实现目标 通过Python程序读取Excel文件中的数据,生成图表,最好将生成图表生成至浏览器页面,后期数据多之后,也能自动缩放,而不会出现显示不全问题. 三.需求实现代码 # 调用本地echarts.min.js 文件 from pyecharts.globals import CurrentConfig Cu
需求 最近公司干活,收到一个需求,说是让手动将数据库查出来的信息复制粘贴到excel中,在用excel中写好的公式将指定的两列数据用update这样的语句替换掉. 例如: 有个A库,其中有两个A.01和A.02字段,需要将这两个字段替换到下面的sql语句中, update A set A.01 = 'excel第一列的值' where A.02 = 'excel第二列的值' 虽然excel中公式写好了,但是还需要将总计的那行复制粘贴到txt文档中,所以索性太麻烦,果断用Python写了一个自动化
使用xlwt读取txt文件内容,并且写入到excel中,代码如下,已经加了注释. 代码简单,具体代码如下: # coding=utf-8 ''' main function:主要实现把txt中的每行数据写入到excel中 ''' ################# #第一次执行的代码 import xlwt #写入文件 import xlrd #打开excel文件 fopen=open("e:\\a\\bb\\a.txt",'r') lines=fopen.readlines() #新
如下所示: #encoding=utf-8 import xlrd from xlwt import * #------------------读数据--------------------------------- fileName="C:\\Users\\st\\Desktop\\test\\20170221131701.xlsx" bk=xlrd.open_workbook(fileName) shxrange=range(bk.nsheets) try: sh=bk.sheet

缘由：需要做一个信息统计，但是手头上的源数据先得杂乱无章， 就利用Python写一个依照某些内容对EXCEL分组排序的小脚本吧。
功能：依照工作表中的不同部分对整张表进行分组排序
#!/usr/bin/env python
# --*-- coding:utf8 --*--
# Author: ZHangbb
import openpyxl
import time
t1 = time.time()
wb1 = openpyxl.load_workbook(r'/home/wzr/音乐/leili.xlsx')
sh1 = wb1['诚利、科技']
# create a new sheet
wb1.create_sheet('诚利、科技-1')
sh2 = wb1['诚利、科技-1']
# department list
dept_list = []
# generate data of department
for cell in [col for col in sh1.columns][4]:
dept_list.append(cell.value)
# get the unique value
dept_list = list(set(dept_list))
dept_list.sort()
dept_list.remove('部门')
# print department information
for dept in dept_list:
print(dept, end="   ")
# write the table header to the first of the new sheet
for col in range(1, 15):
sh2[chr(64+col)+'1'] = sh1[chr(64+col)+"1"].value
row_sh2 = 2
# group contents by dept & write to new sheet
for dept in dept_list:
for i in range(2, sh1.max_row+1):
if sh1[f"E{i}"].value == dept:
col = 1
for cell in [row for row in sh1.rows][i-1]:
sh2[chr(64+col)+str(row_sh2)] = cell.value
col += 1
row_sh2 += 1
# save data
wb1.save('/home/wzr/音乐/leili.xlsx')
t2 = time.time()
print(f"总共用时{int(t2-t1)}秒")

最近经常看到各平台里都有Python的广告，都是对excel的操作，这里明哥收集整理了一下pandas对excel的操作方法和使用过程。本篇介绍 pandas 的 DataFrame 对列 (Column) 的处理方法。示例数据请通过明哥的gitee进行下载。
增加计算列
pandas 的 DataFrame，每一行或每一列都是一个序列 (Series)。比如：
import pandas as pd
df1 = pd.read_excel('./excel-comp-data.xlsx');
此时，用 type(df1['city']，显示该数据列(column)的类型是 pandas.core.series.Series。理解每一列都是 Series 非常重要，因为 pandas 基于 numpy，对数据的计算都是整体计算。深刻理解这个，才能理解后面要说的诸如 apply() 函数等。
如果列名 (column name)没有空格，则列有两种方式表达：
df1['city']
df1.city
如果列名有空格，或者创建新列(即该列不存在，需要创建，第一次使用的变量)，则只能用第一种表达式。
假设我们要对三个月的数据进行汇总，可以使用下面的方法。实际上就是创建一个新的数据列：
# 由于是创建，不能使用 df.Total
df1['Total'] = df1['Jan'] + df1['Feb'] + df1['Mar']
df1['Jan'] 到 df1['Mar'] 都是 Series，所以使用 + 号，可以得到三个 Series 对应位置的数据合计。
当然，也可以用下面的方式：
df1['total'] = df1.Jan + df1.Feb + df1.Mar
增加条件计算列
假设现在要根据合计数 (Total 列)，当 Total 大于 200,000 ，类别为 A，否则为 B。在 Excel 中实现用的是 IF 函数，但在 pandas 中需要用到 numpy 的 where 函数：
df1['category'] = np.where(df1['total'] > 200000, 'A', 'B')
在指定位置插入列
上面方法增加的列，位置都是放在最后。如果想要在指定位置插入列，要用 dataframe.insert() 方法。假设我们要在 state 列后面插入一列，这一列是 state 的简称 (abbreviation)。在 Excel 中，根据 state 来找到 state 的简称 ，一般用 VLOOKUP 函数。我们用两种方法来实现，第一种方法，简称来自 Python 的 dict。
数据来源：
state_to_code = {"VERMONT": "VT", "GEORGIA": "GA", "IOWA": "IA", "Armed Forces Pacific": "AP", "GUAM": "GU",
"KANSAS": "KS", "FLORIDA": "FL", "AMERICAN SAMOA": "AS", "NORTH CAROLINA": "NC", "HAWAII": "HI",
"NEW YORK": "NY", "CALIFORNIA": "CA", "ALABAMA": "AL", "IDAHO": "ID", "FEDERATED STATES OF MICRONESIA": "FM",
"Armed Forces Americas": "AA", "DELAWARE": "DE", "ALASKA": "AK", "ILLINOIS": "IL",
"Armed Forces Africa": "AE", "SOUTH DAKOTA": "SD", "CONNECTICUT": "CT", "MONTANA": "MT", "MASSACHUSETTS": "MA",
"PUERTO RICO": "PR", "Armed Forces Canada": "AE", "NEW HAMPSHIRE": "NH", "MARYLAND": "MD", "NEW MEXICO": "NM",
"MISSISSIPPI": "MS", "TENNESSEE": "TN", "PALAU": "PW", "COLORADO": "CO", "Armed Forces Middle East": "AE",
"NEW JERSEY": "NJ", "UTAH": "UT", "MICHIGAN": "MI", "WEST VIRGINIA": "WV", "WASHINGTON": "WA",
"MINNESOTA": "MN", "OREGON": "OR", "VIRGINIA": "VA", "VIRGIN ISLANDS": "VI", "MARSHALL ISLANDS": "MH",
"WYOMING": "WY", "OHIO": "OH", "SOUTH CAROLINA": "SC", "INDIANA": "IN", "NEVADA": "NV", "LOUISIANA": "LA",
"NORTHERN MARIANA ISLANDS": "MP", "NEBRASKA": "NE", "ARIZONA": "AZ", "WISCONSIN": "WI", "NORTH DAKOTA": "ND",
"Armed Forces Europe": "AE", "PENNSYLVANIA": "PA", "OKLAHOMA": "OK", "KENTUCKY": "KY", "RHODE ISLAND": "RI",
"DISTRICT OF COLUMBIA": "DC", "ARKANSAS": "AR", "MISSOURI": "MO", "TEXAS": "TX", "MAINE": "ME"}
如果我们想根据 dict 的 key 找到对应的值，可以使用 dict.get() 方法，这个方法在找不到 key 的时候，不会抛出异常，只是返回 None。比如
state_to_code.get('TEXAS') # 返回 TX
state_to_code.get('TEXASS') # 返回 None
dict.get() 方法参数为 key，是一个标量值。我们并不能像下面这样把整列都传给这个方法，比如下面这样：
df1['abbrev'] = state_to_code.get(df1['state'])
所以我们需要先构造一个 Series (abbrev)，然后把 abbrev 赋值给 df1['abbrev']：
abbrev = df1['state'].apply(lambda x: state_to_code.get(x.upper()))
df1['abbrev'] = abbrev    # 在后面插入列
df1.insert(6, 'abbr', abbrev) # 在指定位置插入列
apply() 函数值得专门写一篇，暂且不细说。
Vlookup 函数功能实现
实现类似 Excel 的 VLookup 功能，可以用 dataframe.merge() 方法。为此，需要将 state_to_code 这个 dict 的数据加载到 DataFrame 中。这里提供两种方法。
方法1： 把数据放在 excel 工作表中，然后读取 Excel 文件加载。数据如下：
excel_file = pd.ExcelFile('excel-comp-data.xlsx')
df_abbrev = pd.read_excel(excel_file, sheetname = 'abbrev')
df2 = df1.merge(df_abbrev, on='state') # 类似数据库的 inner join，不匹配数据不会显示
VLookup 函数根据位置来匹配，merge() 方法根据列名来匹配。因为上面语句中没有指定连接类型，不匹配的记录不会显示。如果需要将 df1 的数据全部显示出来，需要指定 merge() 方法的 how 参数：
df3 = df1.merge(df_abbrev, on='state', how='left') # 类似数据库的 left join
方法2：直接将 state_to_code 加载到 DataFrame。但因为 state_to_code 全部是标量值 (scalar values)，方法有一点不同，如下：
# 将 state_to_code 直接加载到 DataFrame
abbr2 = pd.DataFrame(list(state_to_code.items()), columns=['state', 'abbr'])
计算合计数
假如需要对各个月份以及月份合计数进行求和。pandas 可以对 Series 运行 sum() 方法来计算合计：
import pandas as pd
import numpy as np
df = pd.read_excel('./excel-comp-data.xlsx');
df['Total'] = df.Jan + df.Feb + df.Mar
# sum_row 的类型是 pandas.core.series.Series, Jan, Feb 等成为 Series 的 index
sum_row = df[['Jan', 'Feb', 'Mar', 'Total']].sum()
也可以将 sum_row 转换成 DataFrame, 以列的方式查看。DataFrame 的 T 方法实现行列互换。
# 转置变成 DataFrame
df_sum = pd.DataFrame(data=sum_row).T
df_sum
如果想要把合计数放在数据的下方，则要稍作加工。首先通过 reindex() 函数将 df_sum 变成与 df 具有相同的列，然后再通过 append() 方法，将合计行放在数据的后面：
# 转置变成 DataFrame
df_sum = pd.DataFrame(data=sum_row).T
# 将 df_sum 添加到 df
df_sum = df_sum.reindex(columns=df.columns)
# append 创建一个新的 DataFrame
df_with_total = df.append(df_sum, ignore_index=True)
分类汇总
Excel 的分类汇总功能，在数据功能区，但因为分类汇总需要对数据进行排序，并且分类汇总的数据与明细数据混在一起，个人很少用到，分类汇总一般使用数据透视表。
而在 pandas 进行分类汇总，可以使用 DataFrame 的 groupby() 函数，然后再对 groupby() 生成的 pandas.core.groupby.DataFrameGroupBy 对象进行求和：
df_groupby = df[['state','Jan', 'Feb','Mar', 'Total']].groupby('state').sum()
df_groupby.head()
数据格式化
pandas 默认的数据显示，没有使用千分位分隔符，在数据较大时，感觉不方便。如果需要对数据的显示格式化，可以自定义一个函数 number_format()，然后对 DataFrame 运行 applymap(number_format) 函数。applymap() 函数对 DataFrame 中每一个元素都运行 number_format 函数。number_format 函数接受的参数必须为标量值，返回的也是标量值。
# 数字格式化
def number_format(x):
return "{:,.0f}".format(x) # 使用逗号分隔,没有小数位
formated_df = df_groupby.applymap(number_format)
formated_df.head()
数据透视表
pandas 运行数据透视表，使用 pivot_table() 方法。熟练使用 pivot_table() 需要一些练习。这里只是介绍最基本的功能：
index 参数： 按什么条件进行汇总
values 参数：对哪些数据进行计算
aggfunc 参数：aggregation function，执行什么运算
# pivot table
# pd.pivot_table 生成一个新的 DataFrame
df_pivot = pd.pivot_table(df, index=['state'], values=['Jan','Feb','Mar','Total'], aggfunc= np.sum)
总结
Pandas可以对Excel进行基础的读写操作
Pandas可以实现对Excel各表各行各列的增删改查
Pandas可以进行表中列行筛选等
到此这篇关于Python pandas对excel的操作实现示例的文章就介绍到这了,更多相关Python pandas对excel操作内容请搜索聚米学院以前的文章或继续浏览下面的相关文章希望大家以后多多支持聚米学院！