python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash

这篇具有很好参考价值的文章主要介绍了python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash

python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash

# 批量创建Excel
import  xlwings
#   xw.App(visible=True,add_book=True)  会打开Excel,且不会自动关闭
#	xw.App(visible=True,add_book=True)	会打开Excel,但一晃就自动关闭了
app = xlwings.App(visible=True, add_book=False)
for language in ['Java', 'Python', 'C#', 'Vue', "JavaScript"]:
    workbook = app.books.add()
    workbook.save(f"./畅销开发语言--{language}.xlsx")
# 批量打开Excel
import os
import  xlwings as xw
app = xw.App(visible=True,add_book=False)
# os.listdir(path)  列出指定目录下的内容
for file in  os.listdir("."):
    if file.endswith('.xlsx') or file.endswith('.xlsx'):
        app.books.open(file)
        
# 批量重命名工作表
import xlwings as xw
app = xw.App(visible=False, add_book=False)
workbook = app.books.open("畅销开发语言--Python.xlsx")
for sheet in workbook.sheets:
    sheet.name = sheet.name.replace('Sheet', 'ZEN')
workbook.save()
app.quit()


#  合并Excel文件
import pandas as pd
import os

data_list = []
for filename in os.listdir('.'):
    if filename.startswith('畅销开发语言--') and filename.endswith('.xlsx'):
    	# pd.read_excel("xx.xlsx", sheet_name=None)  
    	# sheet_name 默认值0 ,也就是默认打开Excel表中第一个工作簿
        data_list.append(pd.read_excel(filename))
   
data_all = pd.concat(data_list)
data_all.to_excel("合并表.xlsx", index=False)

python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash

# 把一个Excel的所有工作表合并,且结果插入第一个位置
# 只是把其它sheet表复制到首个,并没有汇总。
import pandas as pd
import os
import  xlwings as xw

# pd.read_excel("xx.xlsx", sheet_name=None)
# sheet_name 默认值0 ,也就是默认打开Excel表中第一个工作簿
# sheet_name=None 打开所有sheet 工作簿
data_list = pd.read_excel("xxx.xlsx", sheet_name=None)
print(data_list)
data_all = pd.concat(data_list.values())

app = xw.App(visible=False, add_book=False)

workbook = app.books.open("xxx.xlsx")
workbook.sheets.add("汇总表", before=workbook.sheets[0])
workbook.sheets["汇总表"].range("A1").options(index=False).value = data_all

workbook.save()
workbook.close()
app.quit()
#  把Excel 工作表 拆分多个Excel文件  按course 列拆分
#	Excel 列 course 	Total
import pandas as pd
data_list = pd.read_excel("xxx.xlsx", sheet_name=0)
courses = data_list["course"].unique()
for course in courses:
    data_single = data_list[data_list["course"] == course]
    data_single.to_excel(f"拆分数据-{course}.xlsx")
# 批量合并拆分Excel
import pandas as pd
#  读取excel所有工作表
#  此处的Excel工作表有 采购日期    采购物品    采购数量    采购金额
data_list = pd.read_excel("A.xlsx", sheet_name=None, parse_dates=False)
# print(data_list.keys())
#  把多个工作表合并在一起
#   注意是 values(),只合并sheet里面信息, 如果不加,也会有sheet的名称
data_all = pd.concat(data_list.values())

excel_writer = pd.ExcelWriter('采购表-按采购物品.xlsx', date_format="YYYY_MM_DD")

for product, data_all in data_all.groupby("采购物品"):
    data_all.to_excel(excel_writer, product, index=False)

excel_writer.close()



顺序不变,是可以的
如果李四和王五两行换一下,就不对了,
python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash

import xlwings as xw
app = xw.App(visible=True, add_book=False)
data = app.books.open("A.xlsx")
data_back = app.books.open("A - 副本.xlsx")

for cell in data.sheets[0].range("A1").expand():
    # cell.address  就是Excel  A1,B1   单元格地址
    back_cell = data_back.sheets[0].range(cell.address)
    if cell.value != back_cell.value:
        cell.color = back_cell.color = (255, 0, 0)
data.save()
data.close()
data_back.save()
data_back.close()
app.quit()

python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash

#  把文件AA下面所有Excel文件,规格表中规格列拆分三列,同时删除规格列
import xlwings as xw
import pandas as pd
import os

app = xw.App(visible=False, add_book=False)

for fname in os.listdir('AA'):
    if fname.endswith('.xlsx'):

        workbook = app.books.open(os.path.join('AA', fname))
        worksheet = workbook.sheets["规格表"]
        df = worksheet.range("A1").options(pd.DataFrame, expand='table').value
        worksheet.range("A1").options(pd.DataFrame)       
        split_columns = df["规格"].str.split("*", expand=True)
        df["长"] = split_columns[0]
        df["宽"] = split_columns[1]
        df["高"] = split_columns[2]
        # inplace  原地
        df.drop("规格", inplace=True)
        worksheet.range("A1").value = df
        workbook.save()
app.quit()

python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash

# 把A.xlsx的所有sheet中物品名称列,获取,并写入另外一个Excel中
import pandas as pd

df_list = pd.read_excel("A.xlsx",sheet_name=None)

df_all = pd.concat(df_list.values())

df_names = pd.DataFrame(data={"物品名称:":list(df_all["物品名称"].unique())})

df_names.to_excel("Result.xlsx",index=False)

python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash

#  批量分类统计
import pandas as pd
import xlwings as xw
import os
app = xw.App(visible=False, add_book=False)

for file in os.listdir("List"):
    if file.endswith(".xlsx") and not file.startswith("~$"):
        workbook = app.books.open(f"List/{file}")
        #  第一个sheet表
        worksheet = workbook.sheets[0]
        # 将A1转换DataFrame对象
        df = worksheet.range("A1").options(pd.DataFrame, expand='table').value
        # 把GDP数据类型设置Float
        df["GDP"] = df["GDP"].astype(float)
        df_agg = df.groupby("城市")["GDP"].sum()
        #  默认是按行
        worksheet.range("F1").value = df_agg
        workbook.save()
        workbook.close()

app.quit()


python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash
结果
python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash

#  实现多个Excel vlookup
import pandas as pd
import xlwings as xw
import os
app = xw.App(visible=False, add_book=False)
workbook = app.books.open("GDP.xlsx")
df_total = workbook.sheets[0].range("A1").options(pd.DataFrame, expand='table', index=False).value
df_city_list = []
for file in os.listdir("List"):
    if file.endswith(".xlsx") and not file.startswith("~$") and "GDP" in file:
        workbook_list = app.books.open(f"List/{file}")
        #  第一个sheet表
        df_city = workbook_list.sheets[0].range("A1").options(pd.DataFrame, expand='table', index=False).value
        df_city["省份"] = file.replace("GDP.xlsx", "")
        df_city_list.append(df_city)
        workbook_list.close()
        df_city_all = pd.concat(df_city_list)
        # 把GDP数据类型设置Float
        # left、right:需要连接的两个DataFrame或Series,一左一右
        # left_on:左表的连接键字段        # 
        # right_on:右表的连接键字段
        df_merge = pd.merge(
            left=df_total,
            right=df_city_all,
            left_on=["省份", "城市"],
            right_on=["省份", "城市"]
        )
        df_merge["GDP"]=df_merge["GDP1"]
        df_merge.drop(columns="GDP1", inplace=True)
        workbook.sheets[0].range("A1").options(index=False).value = df_merge
    else:
        continue

workbook.save()
workbook.close()
app.quit()



python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash


import pandas as pd
import xlwings as xw
import os
app = xw.App(visible=False, add_book=False)
data_list = []
for file in os.listdir("List"):
    if file.endswith(".xlsx"):
        workbook = app.books.open(f"List/{file}")
        df_list = workbook.sheets[0].range("A1").options(pd.DataFrame, expand='table').value
        df_list["品牌"] = file.replace("手机.xlsx","")
        data_list.append(df_list)
        workbook.close()
        # if 之间的代码可以简写这样
        df = pd.read_excel(f"List/{file}")
        df["品牌"]=file.replace("手机.xlsx","")
        print(df)
        data_list.append(df)

def compute(df_sub):
    return pd.Series({
        "总和": round(df_sub["售价"].sum(), 2),
        "最小": round(df_sub["售价"].min(), 2),
        "最大": round(df_sub["售价"].max(), 2),
        "平均": round(df_sub["售价"].mean(), 2)
    })


data_all = pd.concat(data_list)
# print(data_all)
#  apply(compute)  compute 自定义函数,没有(参数)
df_group = data_all.groupby("品牌").apply(compute)


df_group.to_excel("按品牌汇总统计.xlsx")

app.quit()


python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash

#  数据透视表:把列式数据转换成二位交叉形式,便于分析
#  姓名	课程	分数	转换成	姓名  语文	数学	英语  


# 数据透视表

import pandas as pd

import os
# pd.read_excel 结果是  DataFrame
data_all = pd.read_excel('Result.xlsx')
# index 是列表 ['姓名','学号']
# PIVOT 在数据库 表示列行转换
data_pivot = pd.pivot_table(data_all,
               index=["姓名"],
               columns="课程",
               values="分数",
               fill_value=0.0
               )
data_pivot.to_excel("透视表.xlsx")



#   效果同上
import pandas as pd

import os

data_all = []
for file in os.listdir('.'):
    if file.endswith('.xlsx'):
        data_all.append(pd.read_excel(file))
# index 是列表 ['姓名','学号']
# PIVOT 在数据库 表示列行转换
# print(type(data_all))   list
# print(type(pd.concat(data_all)))  pandas.core.frame.DataFrame
data_pivot = pd.pivot_table(pd.concat(data_all),
               index=["姓名"],
               columns="课程",
               values="分数"
               )
data_pivot.to_excel("透视表.xlsx")




python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash

# 一个Excel多个sheet表,合并透视表,追加合计
import pandas as pd
dfs= pd.read_excel("Result.xlsx",sheet_name=None)
df_list= []
for sheet_name, df in dfs.items():
    print(sheet_name)
    print(df)
    df["月份"]=sheet_name
    df_list.append(df)

data_all = pd.concat(df_list)

data_pivot = pd.pivot_table(data_all,
                            index=['产品名称'],
                            columns='月份',
                            values='销售金额',
                            aggfunc="sum",
                            fill_value=0,
                            margins=True,
                            margins_name="合计"
                            )
data_pivot.to_excel("透视表.xlsx")



pandas的nlargest(n,“排序的列”),只能求最大N个值

python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash

import pandas as pd
dfs= pd.read_excel("Result.xlsx",sheet_name=None)
df_list= []
for sheet_name, df in dfs.items():
    print(sheet_name)
    print(df)
    df["班级"]=sheet_name
    df_list.append(df)

data_all = pd.concat(df_list)

data_all.groupby("班级").apply(lambda x: x.nlargest(2, "分数")).to_excel("透视表.xlsx")



python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash


import xlwings as xw
import numpy

app = xw.App(visible=False,add_book=False)
workbook =app.books.open("Result.xlsx")
sheet = workbook.sheets[0]
# 统计员工人数
employ_total = sheet.range("A3").expand('table').shape[0]
# permutation(10),随机生成0-9 10位随机数
employ_GH = numpy.random.permutation(employ_total)+1
# options(transpose=True)列模式
sheet.range("B3").options(transpose=True).value = employ_GH
workbook.save()
workbook.close()
app.quit()



同比
df[‘昨日’] = df[“销售金额”].shift()
shift() 会把销售金额放入昨日
python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash


import pandas as pd

df = pd.read_excel("Result.xlsx",sheet_name=0)
df['昨日'] = df["销售金额"].shift()
df["日环比"] = (df["销售金额"]-df["昨日"])/df["昨日"]
df.drop(columns='昨日', inplace=True)
df.fillna(0.0, inplace=True)
df["日环比"] = (df["日环比"].map(lambda x: round(x, 2))).map(lambda x: format(x, '.2%'))

file = "处理结果.xlsx"
#df.to_excel(file)
with pd.ExcelWriter(path=file, date_format="YYYY-MM-DD") as writer:
    df.to_excel(writer, sheet_name='日环比数据', index=False)
print(df)

按模板批量创建Excel文件,同时替换里面的内容

python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash



# 文档有格式,推荐xlwings模块
import xlwings as xw
import shutil
datas=[
    ("财务部", "张三"),
    ("IT部", "ZEN"),
    ("设计部", "李四")
]
app = xw.App(visible=False, add_book=False)
for dept, manager in datas:
    target_file = f"部门数据-{dept}.xlsx"
    # shutil.copy(源文件,目标文件)
    shutil.copy("Model.xlsx", target_file)
    #  只修改第一个工作表
    workbook = app.books.open(target_file)
    worksheet = workbook.sheets[0]
    worksheet["A1"].value = worksheet["A1"].value.replace("{dept}", dept)
    worksheet["B2"].value = worksheet["B2"].value.replace("{manager}", manager)
    workbook.save()
    workbook.close()

app.quit()




python 读取word 到Excel

python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash
python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash
python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash
python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash

from docx import Document
import os
import pandas as pd


def parse_docfile(docfile):
    doc = Document(docfile)
    # 获取第一个table
    table = doc.tables[0]
    # 返回字典
    return dict(
        姓名=table.cell(0, 1).text,
        性别=table.cell(1, 1).text
    )
# 列名
columns = None
# 数据内容
datas = []
for file in os.listdir():
    if file.endswith(".docx"):
        data = parse_docfile(file)
        if not columns:
            columns = data.keys()
        datas.append([data[column] for column in columns])
df = pd.DataFrame(datas,columns= columns)
df.to_excel('Result.xlsx',index=False)

python 读取word 统计词频 输出到Excel

python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash

import docx
# 中文分词
import jieba
# 统计词频
from collections import Counter
import pandas as pd
doc = docx.Document("A.docx")

content = " ".join([para.text for para in doc.paragraphs])
# cut方法:将包含汉字的整个句子分割成分开的单词的主要功能
# jieba.cut 方法接受三个输入参数:
# 需要分词的字符串
# cut_all 参数用来控制是否采用全模式
# HMM 参数用来控制是否使用 HMM 模型
seg_list = jieba.cut(content, cut_all=False)
#过滤标点符号、无意义的单个字
seg_list = [
    word
    for word in seg_list
    if len(word)>1
]

# print(seg_list)

# 统计词频
counter = Counter(seg_list)
#print(counter.items())
#print('-----')
#print(list(counter.items()))
#print('-----')
#for key,count in list(counter.items())[:10]:
    #print(key, count)

df = pd.DataFrame(list(counter.items()),columns=["word","count"])
df.sort_values(by="count",ascending=False, inplace=True)

df.to_excel("Result.xlsx",index=False)

python 读取Excel 输出word

python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash
python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash
python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash



import  docx
from docxtpl import DocxTemplate
import datetime
import pandas as pd
#   index_col 设为关键字
df = pd.read_excel("Result.xlsx",index_col="学号")
pdate = datetime.datetime.now().strftime("%Y-%m-%d")
# print(df)
# print(df.items())
# print(df.iterrows())
for num, row in df.iterrows():
    print(f"处理学号:{num}")
    doc = DocxTemplate("Model.docx")
    doc.render(dict(
        num=num,
        name=row["姓名"],
        YW=row["语文"],
        SX=row["数学"],
        YY=row["英语"],
        ZF=row["语文"]+row["数学"]+row['英语'],
        RQ=pdate
    ))
    doc.save(f"{num}--{row['姓名']}.docx")

python 在网页上显示Excel

Excel 修改数据,网页只有刷新就可以了。
python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash

# Web 应用框架  发布网页
import flask
import pandas as pd

app = flask.Flask(__name__)

# 网址后面加   /excel  访问这个网页了
@app.route('/excel')
def show_excel():
    df = pd.read_excel('Result.xlsx')
    return f"<html>" \
           f"<body>" \
           f"<h1>Ares-ZEN</h1>" \
           f"%s" \
           f"</doby><" \
           f"/html>" \
        % df.to_html()
app.run()


Excel 转换成透视表比发布网页

python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash

import pandas as pd
import flask
#  创建flask对象
app = flask.Flask(__name__)
@app.route('/excel')
def show_excel():
    df = pd.read_excel("Result.xlsx")
    df_pivot = pd.pivot_table(df,
                              index=["姓名"],
                              columns="课程",
                              values="分数",
                              fill_value=0.0
                              )
    return f"<html>" \
           f"<body>" \
           f"<h1>考试成绩展示区</h1>" \
           f"%s" \
           f"</body></html>" % df_pivot.to_html()
app.run()

python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash

python 制作网页查询Excel

import pandas as pd
import flask
from flask import request
#  创建flask对象
app = flask.Flask(__name__)
@app.route('/query_grade',methods=["GET","POST"])
def query_grade():
    df = pd.read_excel("透视表.xlsx")
    grade_data = pd.DataFrame()
    student_name=request.form.get("st_name")

    if student_name:
        grade_data=df.query(f"姓名=='{student_name}'")
    return f"""
    <html><boby style="text-align:center">
    <h1>xxxxxxxxx<h1>
    <form action="/query_grade" method="post">
    姓名:<input type="text" name="st_name" value="{student_name}">
    <input type="submit" name="submit" value="查询"
    </from>
    <center>%s</center>
    </body></html>
    """ % grade_data.to_html()

app.run()

python 读取Excel 插入数据库

import pandas as pd
import pymysql

conn = pymssql.connect(
    host="host",
    user="root",
    password="ZEN",
    # sql  server 则为database
    db='数据库',
    charset="UTF-8",
    autocommit=True  # 自动确认  Insert
)

df = pd.read_excel('xxx.xlsx')
for index,row in df.iterrows():
    sql = f"""
     insert into table_name()
     values()
    """
    cur = conn.cursor()
    cur.execute(sql)
    # 非查询要提交 如果数据库连接配置了autocommit  此处就省略了
    # conn.commit()
# cur.execute("select *  from  XXX ")  
#resList = cur.fetchall()
#print(resList)
#  pandas 读取sql,导出Excel
# pd.read_sql("""
	select *  from  xxx
""",con=conn)
# pd.to_excel("xxx.xlsx",index=False)
#查询完毕后必须关闭连接
conn.close()

Python 在Excel绘制折线图

python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash文章来源地址https://www.toymoban.com/news/detail-495090.html

import pandas as pd
import xlwings as xw

#  画图
import matplotlib.pyplot as plt

#设置中文字体
#plt.rcParams['font.sans-self'] = ['Simhei']

app = xw.App(visible=False, add_book=False)

# 读取Excel数据到Pandas

workbook = app.books.open('Result.xlsx')
sheet = workbook.sheets[0]
df = sheet.range("A1").options(pd.DataFrame, expand='table').value
#  新建画布
figure = plt.figure(figsize=(12,6),dpi=100)

plt.plot(df["金额"])
# plt.show()
# update= True  重复添加,只更新
sheet.pictures.add(figure,
                  name='折线图',
                  update=True,
                  left=sheet.range("F2").left,
                  top=sheet.range("F2").top)
workbook.save()
workbook.close()
app.quit()


到了这里,关于python处理Excel Pandas xlwings numpy, jupyter,docx,jieba 词频统计 flash的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网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TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • python:xlwings 操作 Excel 加入图片

    pip install xlwings ; xlwings-0.28.5-cp37-cp37m-win_amd64.whl (1.6 MB) 摘要:Make Excel fly: Interact with Excel from Python and vice versa. Requires: pywin32 编写 xlwings_test.py 如下 运行 python xlwings_test.py  pip install openpyxl ; openpyxl-3.1.2-py2.py3-none-any.whl (249 kB) et_xmlfile-1.1.0-py3-none-any.whl (4.7 kB) 摘要:A Python libra

    2024年02月07日
    浏览(49)
  • python pandas判断excel某处存在空值,并处理该空值

    找出空值: 判断某列存在空值: 找到具体哪行为空值: (1)方法一,for循环手动遍历,以索引值为2为例。行索引:2,列名:项目及品种名称 (2)方法二(推荐) 总结: 1.判断某列为空值,用pd.isna(df[\\\'列名\\\'])方法,获得数据为True和False的series 2.series和dataframe不一样,条件判

    2024年02月05日
    浏览(39)
  • python读写excel利器:xlwings从入门到精通

    python读写excel利器:xlwings 从入门到精通 目录 安装和使用 基础操作 操作工作簿 操作工作表 读取单元格 写入(单元格赋值) range的操作(range常用的api) 写入一行或一列Excel数据(函数式) 使用range(\\\'A1\\\').api.AddComment(\\\'comments\\\')给单元格加注释 格式设置 设置单元格大小 设置单元

    2024年02月13日
    浏览(45)
  • Python操作Excel教程(图文教程,超详细)Python xlwings模块详解,

    「作者主页」: 士别三日wyx 「作者简介」: CSDN top100、阿里云博客专家、华为云享专家、网络安全领域优质创作者 「推荐专栏」: 小白零基础《Python入门到精通》 xlwings 是用来 「处理Excel」 的Python第三方库,开源免费,一直在更新。 使用前需要 「下载」 、安装 xlwings 模

    2024年02月10日
    浏览(39)
  • Python用pandas进行大数据Excel两文件比对去重300w大数据处理

    Python用pandas进行大数据Excel两文件比对去重 通俗理解有两个excel文件 分别为A和B 我要从B中去掉A中含有的数据, 数据量大约在300w左右 因为数据量较大,无论是wps还是office自带的去重都无法正常使用这样就需要用到脚本了  欢迎大家指导交流,共同学习,共同进步!

    2024年02月15日
    浏览(64)
  • 如何使用xlwings库创建图表及设置坐标轴标题文本内容----关于Python里xlwings库对Excel表格的操作(三十二)

    这篇小笔记主要记录如何 【如何使用“Chart类”、“Api类\\\"和“Axes函数”设置坐标轴标题文本内容】 。 前面的小笔记已整理成目录,可点链接去目录寻找所需更方便。 【目录部分内容如下】【点击此处可进入目录】 (1)如何安装导入xlwings库; (2)如何在Wps下使用xlwings中

    2024年01月22日
    浏览(64)
  • Python操作excel进行插入、删除行操作实例演示,利用xlwings库实现

    插入行演示采用正序遍历操作,直接使用 xlwings 提供的 sheet.api.Rows(\\\"行数\\\").Insert() 方法就能实现整行插入处理。 需要注意的是 ,如果是前插入,要避免再次检测到刚才匹配过的内容,以防循环反复插入原位置。 调整前: 处理过程: 调整后: 删除行演示采用逆序遍历操作,

    2023年04月08日
    浏览(37)
  • python用 xlwings库对Excel进行 字体、边框设置、合并单元格, 版本转换等操作

    xlwings 其他的一些单元格读取写入操作网上很多, 下面就写些如何设置单元格的  字体对齐,字体大小、边框, 合并单元格,  这些设置。 颜色索引: 无色 = -4142,   自动 = -4105,  黑色 = 1, 白色 = 2 ,    红色 = 3,    鲜绿 = 4, 蓝色 = 5 ,    黄色 = 6,    

    2024年02月11日
    浏览(39)
  • NumPy和Pandas库的基本用法,用于数据处理和分析

    当涉及到数据处理和分析时,NumPy和Pandas是两个非常常用的Python库。下面是它们的基本用法: NumPy(Numerical Python): 导入NumPy库:在代码中使用import numpy as np导入NumPy库。 创建NumPy数组:使用np.array()函数可以创建一个NumPy数组。例如,arr = np.array([1, 2, 3, 4, 5])创建一个包含整数

    2024年02月11日
    浏览(42)
  • 数据科学中的Python:NumPy和Pandas入门指南【第121篇—NumPy和Pandas】

    数据科学是当今数字时代中的一个重要领域,而Python是数据科学家们最喜爱的编程语言之一。在这篇博客中,我们将介绍Python中两个强大的库——NumPy和Pandas,它们在数据处理和分析中发挥着重要作用。 NumPy是用于科学计算的基础包,提供了高性能的多维数组对象( numpy.nda

    2024年03月15日
    浏览(94)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包