业务需求
一个几十万条数据的Excel表格,现在需要拼接其中某一列的全部数据为一个字符串,例如下面简短的几行表格数据:
id | code | price | num |
---|---|---|---|
11 | 22 | 33 | 44 |
22 | 33 | 44 | 55 |
33 | 44 | 55 | 66 |
44 | 55 | 66 | 77 |
55 | 66 | 77 | 88 |
66 | 77 | 88 | 99 |
现在需要将code的这一列用逗号,拼接为字符串,并且每个单元格数据都用单引号包含,需要拼接成字符串\’22\’,\’33\’,\’44\’,\’55\’,\’66\’,\’77\’,这样的情况,我们需要怎么处理呢?当然方式有很多……
多行文本批量处理
有的时候,我们会遇到需要同时处理多行文本的情况,很多文本编辑器都支持批量操作多行文本,这里我主要说一下Sublime Text,下面是操作的快捷键,有需要的可以尝试用一下,确实挺方便的。
选中需要操作的多行,按下Ctr+Shift+L即可同时编辑这些行
鼠标选中文本,反复按CTRL+D即可继续向下同时选中下一个相同的文本进行同时编辑
鼠标选中文本,按下Alt+F3即可一次性选择全部的相同文本进行同时编辑
如何节省效率
在工作中,可能会存在一些表格数据处理的情况,比如运营给你一个表格,表格里有类似:订单号呀、产品ID啊、商品SKU等,需要你协助导出这些数据里的明细数据以便他们做分析用,一两次,我们可以快速用上面的方式处理,但是这种方式对于大文本的处理可能会存在卡顿的情况,操作效率较低,如果小文本的话,那么还是很方便的。
如果多次遇到这种情况,是否想要做成一个工具来快速处理呢,也就是,这种批量拼接同样格式的数据,我们可以写一个小工具来实现,即快速又省事,可以大大减少重复的工作消耗。
pandas读取表格数据并处理
这我们使用Python的pandas模块来读取表格指定某列的数据,再按照我们的拼接格式进行循环处理,最终把拼接的字符串写入文本文件中,方便保留和使用拼接的数据。
sheet = pandas.read_excel(io=file_name, usecols=[line_num]) data = sheet.values.tolist() str_data = \'\' # 循环处理数据 print_msg(\'已获取列数据条数[\' + str(len(data)) + \'],开始处理数据……\') for x in range(len(data)): if str(data[x][0]) != \'nan\': str_data += \"\'\" + str(data[x][0]) + \"\',\"
完整源码
因为脚本需要多次使用,并且针对不同文件的不同列,所以,我们采用接受关键参数的形式,可以不改动任何代码,就可以直接使用此脚本来完整我们的数据拼接,同时,我们还可以使用pyinstaller模块来将脚本进行打包成exe的window可执行文件,使其在无Python的运行环境中也可以使用,打包命令为:pyinstaller -F -i favicon.ico join_excel_data.py
,我已有打包的上传到交友网站Github上,大家有兴趣的话,可以点击查看哦,交个朋友地址:github.com/gxcuizy
#!/usr/bin/env python # -*- coding: utf-8 -*- \"\"\" 拼接Excel表格单行数据,并写入文本 author: gxcuizy time: 2021-03-01 \"\"\" import pandas import random import os import time def print_msg(msg=\'\'): \"\"\"打印信息\"\"\" now_time = time.strftime(\"%Y-%m-%d %H:%M:%S\", time.localtime()) print(\'[\' + now_time + \'] \' + msg) # 程序主入口 if __name__ == \"__main__\": # 获取传入参数 file_name = input(\'请输入当前目录下的表格文件名(例如“01.xlsx”):\') line_num = input(\'请输入要拼装的数据第几列(例如“1”):\') # 判断文件是否存在 if os.path.exists(file_name) == False: print_msg(\'文件不存在\') os.system(\"pause\") exit(0) # 判断输入的行数是否为数字 if line_num.isdigit() == False: print_msg(\'请输入列数的数字\') os.system(\"pause\") exit(0) try: # 获取表格数据 print_msg(\'开始获取文件[\' + file_name + \']的第[\' + str(line_num) + \']列数据\') line_num = int(line_num) - 1 sheet = pandas.read_excel(io=file_name, usecols=[line_num]) data = sheet.values.tolist() str_data = \'\' # 循环处理数据 print_msg(\'已获取列数据条数[\' + str(len(data)) + \'],开始处理数据……\') for x in range(len(data)): if str(data[x][0]) != \'nan\': str_data += \"\'\" + str(data[x][0]) + \"\',\" # 写入文本文件 print_msg(\'数据处理完毕,开始写入……\') random_num = random.randint(1000, 9999) with open(\'str_\' + str(random_num) + \'.txt\', \'w\') as f: f.write(str_data.strip(\',\')) print_msg(\'数据写入完毕.\') except Exception as err_info: # 异常信息 print_msg(str(err_info)) # 防止exe程序执行结束闪退 os.system(\"pause\")
暂无评论内容