待提取数据的Excel文件

在文件夹 E:\temp\销售清单\ 中是不同公司的销售清单Excel文件。现在要将所有公司地址提取到一新的Excel中进行汇总。

新建公式，提取文件名

公式名称为：提取文件名
引用位置为：=FILES(Sheet5!$A$1)：

提取文件名到Excel中

用公式：=Index(提取文件名，row(1:1))将第一个文件名提取出来，再通过下拉单元格将所有文件名提取出来。

用文件名和地址组成字符串

用文件名和地址组成字符串，用于对文件的应用。
="‘E:\temp\销售清单\["&A2&"]Sheet1’!$A$2"

将引用的字符串以数字类型粘贴

用查找和替换功能在字符串前加“=”

在字符串前加“=”，将字符串变成公式。

用查找和替换功能更改单元地址的引用方式，提取其他数据

项目场景：

提示：利用python处理两个EXCEL表格，表A和表B第一列均为时间，若时间相同，就将表A对应时间的那一行数据提取出来
例如：

方案一：

采用简单的for循环，读入EXCEL数据，进行比较判断，输出保存

import xlrd
import xlwt

# 读取文件
file_A_name = "I:\\EXLA.xls"
file_B_name = "I:\\EXLB.xls"
result_to_name = "I:\\Result.xlsx"
file_A = xlrd.open_workbook(file_A_name)
file_B = xlrd.open_workbook(file_B_name)
# 读取文件中的某张表
A_sheet = file_A.sheet_by_name("风速曲线")
B_sheet = file_B.sheet_by_name("aaa")
# 创建需要保存的写入文件
workbook = xlwt.Workbook(encoding="ascii")
# 创建写入sheet
worksheet = workbook.add_sheet("same_time_date")

# 啦啦啦，第一版程序，比较耗时，并且保存结果不连续
for i in range (0,A_sheet.nrows):              # 遍历表A"风速曲线"sheet的每一行
    A_values_row1 = A_sheet.row_values(i)      # 保存第i行的数据至A_values_row1
    for j in range (0,B_sheet.nrows):          # 遍历表B"aaa"sheet的每一行
        B_values_row1 = B_sheet.row_values(j)  # 保存第i行的数据至A_values_row1
        if A_values_row1[0]==B_values_row1[0]: # 比较第一列（每一行第一个值）是否相等
            print(A_values_row1)
            # 保存相同结果
            for k in range(0,11):              # 若True，将表A第i行的12个数据保存至新建"same_time_date"sheet
                worksheet.write(i, k, A_values_row1[k])
                workbook.save(result_to_name)


# 啦啦啦 ，关于读取某行，某列，或某具体数据的方法
'''
# 读取表A第一列数据
colA_1_value = A_sheet.col_values(0)
print(colA_1_value)

# 第一行数据
rowA_1_value = A_sheet.row_values(0)
print(rowA_1_value)

# 获取第一行第一列的数据
cell_value = A_sheet.cell_value(0, 0)
print(cell_value)

# 获取表的行数
nrows = A_sheet.nrows

# 获取表的列数
ncols = A_sheet.ncols
print("nrows: %d, ncols: %d" % (nrows, ncols))

# 输出Excel中表的个数
print(file_A.nsheets)

'''

# 啦啦啦  加一个计数器就可以实现连续保存啦 如果每次只有两个时间会对应相等的话，那么找到这个相等的时间就无需再继续找啦

'''
m = 0                                          # 记录相同结果的次数
for i in range (0,A_sheet.nrows):              # 遍历表A"风速曲线"sheet的每一行
    A_values_row1 = A_sheet.row_values(i)      # 保存第i行的数据至A_values_row1
    for j in range (0,B_sheet.nrows):          # 遍历表B"aaa"sheet的每一行
        B_values_row1 = B_sheet.row_values(j)  # 保存第i行的数据至A_values_row1
        if A_values_row1[0]==B_values_row1[0]: # 比较第一列（每一行第一个值）是否相等
            i++
            print(A_values_row1)
            # 保存相同结果  换成m
            for k in range(0,11):              # 若True，将表A第i行的12个数据保存至新建"same_time_date"sheet的第m行
                worksheet.write(m, k, A_values_row1[k])
                workbook.save(result_to_name)
            continue


'''

注意事项：

提示：这里两个表的时间格式要保持一致，将其改为“数字转换为文本型数字”，否则python读入EXCEl时间数据后为一串float型数字，并且两相同时间数据的小数点并不一致（此处也不知为何）

方案二：

采用pandas库，这里是小伙伴写的，我直接附上源码大家自行领会

下面展示一些 内联代码片。

#  编码必须要，因为里面有中文，要不然索引不成功，已开始索引没成功就是因为编码问题；
# coding=utf-8

# 导入pandas库
import pandas as pd

# 这两个可以忽略，因为没用到；
import numpy as np
# 这个是数据库导入的，用来练手的，你们没有本地数据库也用不用；
import pymysql
# 导入数据
Fpath1 = "K:/马雷/zy.xls";
df1 = pd.read_excel(Fpath1);
Fpath2 = "K:/马雷/03.xlsx"
df2 = pd.read_excel(Fpath2)
# 因为两个数据时间格式不一样，需要调整，然后且切片；
df1.loc[:, "时间"] = df1["时间"].str.replace("-", "").str.slice(0, 14);
# 数据二的日期不是字符串，进行了字符串的转换，这里也栽了大跟头；
df2.loc[:, "时间"] = df2.时间.astype(str).str.replace("-", "").str[0:14]
# 输出调整后的两个表，看是否样式一样；
print(df1)
print(df2)
# 相同时间的日期匹配，进行了内联，数据库里面用过的；
s5 = pd.merge(df2, df1, left_on="时间",right_on="时间",how="inner")
print(s5)
# 判断是否有缺失值，很高兴，发现没有缺失值，如果有的话会输出True
print(s5.时间.isnull())
# 保存数据，开始愉快的分析数据吧，
s5.to_excel("K:/马雷/zy2015532.xls")
# -----------------------------------------------#
# -----------现在代码结束了-----------------------#
# -----------底下是联系写的-----------------------#
# ----------------------------------------------#

# df1.to_excel("K:/马雷/zy1.xls")
# s3 = df.set_index("最大风向", inplace=True, drop=False)
# print(s3)
# print(s3.head(5))

# print(s2);
# cloumes=["平均风速" ,"zuixiao"];
# s3 = df(cloumes);
# print(df.zuixiao)
# print(df.describe())
# print(df["最小风向"].mean)
# print(df.cov())
# print(df.corr())
# s1 = df[1:3];
# s1.to_excel("K:/马雷/zy1.xls", index=False)
# s3 = df["最大风向"].fillna(0);
# s4=df["最大风向"].notnull()
# print(s4)
# print(s3)
# print(df["zuixiao"].df["zuida"])

# print(df[1:3])

# print(s3)
# print(s1.index)
# s1=pd.Series(re
# ads.head(2))
# print(reads.reindex)
# print(reads.dtypes)
#  导入数据库数据
# conn = pymysql.connect(
#     host="127.0.0.1",
#     user="root",
#     password="zy2015532",
#     database="myemployees",
#     charset="utf8"
# )
# mysql_page = pd.read_sql("select * from employees where salary>10000", con=conn)
# print(mysql_page)

到此结束，如有错误，敬请指正

工作中，当表格中记录的数据较多，我们又不需要那么多的数据时，同时想希望对一列数据每隔n行提取一个数据出来，这时我们便可以利用excel提供的公式进行数据的提取，处理数据也会更方便。。。

以下便是我们要操作的数据了，加入我们想将C列的一整列数据，每隔2行取一个数据出来，

在想要存放所提取出来数据的地方，填入以下公式
=OFFSET($C$1,ROW(C1)*2,0)

我这里在E2单元各填入，公式里用到了两个函数，一个是OFFSET，一个是ROW。

OFFSET(reference, rows, cols, [height], [width])函数的作用：返回对单元格或单元格区域中指定行数和列数的区域的引用。 返回的引用可以是单个单元格或单元格区域。 可以指定要返回的行数和列数。

OFFSET 函数语法具有下列参数：
Reference 必需。 要基于偏移量的引用。 引用必须引用单元格或相邻单元格区域;否则，OFFSET 返回#VALUE！ 错误值。

例如=OFFSET($C$1,2,0)便是返回C1单元格往下偏移2个单元格里的值(C3)，=OFFSET($C$1,5,0)便是返回C1单元格往下偏移5个单元格里的值(C6)，=OFFSET($C$10,-5,0)便是返回C10单元格往上偏移5个单元格里的值(C5)，=OFFSET(2,$A$1,0)便是返回A1单元格往右偏移2个单元格里的值（C1）。
///
Rows 必需。 需要左上角单元格引用的向上或向下行数。 Rows 可为正数（这意味着在起始引用的下方）或负数（这意味着在起始引用的上方）。

Cols 必需。 需要结果的左上角单元格引用的从左到右的列数。Cols 可为正数（这意味着在起始引用的右侧）或负数（这意味着在起始引用的左侧）。

高度 可选。 需要返回的引用的行高。 Height 必须为正数。

宽度 可选。 需要返回的引用的列宽。 Width 必须为正数。

备注
如果工作表边缘上的行和 cols 偏移引用，OFFSET 返回#REF！ 错误值。
如果省略 height 或 width，则假设其高度或宽度与 reference 相同。
OFFSET 实际上并不移动任何单元格或更改选定区域；它只是返回一个引用。 OFFSET 可以与任何期待引用参数的函数一起使用。 例如，公式 SUM(OFFSET(C2,1,2,3,1)) 可计算 3 行 1 列区域（即单元格 C2 下方的 1 行和右侧的 2 列的 3 行 1 列区域）的总值。

ROW([reference])函数的作用：返回引用的行号。
ROW 函数语法具有一个参数：

Reference 可选。 需要得到其行号的单元格或单元格区域。
如果省略 reference，则假定是对函数 ROW 所在单元格的引用。
如果 reference 为一个单元格区域，并且 ROW 作为垂直数组输入，则 ROW 将以垂直数组的形式返回 reference 的行号。
Reference 不能引用多个区域。

例如公式中ROW(C1)便是放回1，ROW(C10)则是返回10

=OFFSET($C$1,ROW(C1)*2,0)

两个公式组合起来的意思便是：返回C1单元格往下偏移2个单元格里的值，其中$C$1是绝对引用，将公式复制到其他单元格的时候，这个单元格引用的区域不会改变，与后面的C1相比，将公式复制到其他地方时，C1会跟着做相应的改变

将公式往下填充