Pandas案例精进 | 自动分割汇总表写入到子表

今天药忘吃喽~ 2022-11-04 14:22 118阅读 0赞

![b9aee81de470ba44d64fe393132d5d0e.png][]

大家好！

欢迎来到「Pandas案例精进」专栏

今天分享的是一个之前的案例，里面涉及的方法可能有些过时，但处理思想仍有较高的参考价值。

## Pandas案例需求 ##

![b00082ebb9e5f420a5913166d20708cd.png][]

整理了一下需求大概的意思，即根据汇总表的分区字段自动填入指定的分区文件中：

![79d80e9597ef6c3e052d3593439f0dde.png][]

对于分区表的文件，例如A区.xlsx、B区.xlsx等，需要先将3行之后已经存在的数据删除后再进行写入。

`B区.xlsx`在自动填入后，结果如下：

![328f816a72aac456da55b899a973859f.png][]

其实初始需求非常简单，我们下面看看怎么做吧。

## 汇总表的数据情况 ##

import pandas as pd
    data = pd.read_excel("汇总.xlsx", sheet_name='明细')
    data

![007943312b9353d101719e05b003c411.png][]

对于B区的数据如何写入呢？

## 筛选出准备写入B区的数据 ##

df = data[data["所属区"] == "B区"]
    df

![8eaba5ec72fa5fc5f308b010d5e3e9be.png][]

df = df.iloc[:, 1:]
    df.values.tolist()

结果：

[[111111, nan, '张一', '招商银行', 576.0, nan, nan, nan, '河南省'],
     [111112, nan, '张二', '招商银行', 576.0, nan, nan, nan, '湖南省'],
     [111113, nan, '张三', '招商银行', 1392.0, nan, nan, nan, '河南省']]

## 覆盖写入到对应的分区文件 ##

workbook = load_workbook(filename="B区.xlsx")
    sheet = workbook.active

先删除第4行之后的旧数据，预计1000行完全够用，具体数量根据自己的数据来大致估算。

sheet.delete_rows(idx=4, amount=1000)

然后再进行添加数据

for row in df.values.tolist():
        sheet.append(row)
    workbook.save(filename="B区.xlsx")
    workbook.close()

查看名为`B区`的Excel：

![d18ec28a6db5d597c5696212fe304b97.png][]

## 遍历分区字段的简单办法 ##

for area, df in data.groupby('所属区'):
        print(area)
        display(df)

![702c831c48291fbbf562fefbbf2a3364.png][]

## 完整代码 ##

data = pd.read_excel("汇总.xlsx", sheet_name='明细')
    
    for area, df in data.groupby('所属区'):
        print(area)
        if os.path.exists(f"{area}.xlsx"):
            workbook = load_workbook(filename=f"{area}.xlsx")
        else:
            print(f"{area}.xlsx不存在")
            continue
        sheet = workbook.active
        df = df.iloc[:, 1:]
        # 先删除第4行之后的旧数据，预计1000行完全够用
        sheet.delete_rows(idx=4, amount=1000)
        # 然后在进行添加数据
        for row in df.values.tolist():
            sheet.append(row)
            print(row)
        print(f"保存到{area}.xlsx文件中")
        workbook.save(filename=f"{area}.xlsx")
        workbook.close()

好了经过以上步骤，就成功完成任务了：

![84559f6b7bf1b3d1116c7bd1f96cdbea.png][]

群友也表示感谢，美滋滋

![6dfcf115c4693c17363a3ee941e32ae3.png][]

### 本文代码和案例数据 ###

如果大家想自己学习演练，可以通过如下步骤获取本文代码和案例数据????

![d301b06edd1ac05776a91f09cdb8b769.png][]

扫描下方二维码????添加我的微信（朱小五mini）为好友，然后回复**关键词**“**20210226**”，关键词是前面的红色数字，建议长按复制！

![8706b599f47ab0ce40fe9da021c3a4d0.png][]

## 后续 ##

不过好景不长，大早上新需求又来了：

![4ce209c3a6b3aadfe7cdd9a7df27e295.png][]

后续需求如何解决？

我们**下篇文章**见！

如果大家喜欢我们的文章，就给右下角点个赞????吧~

![708514675f44925b694920b98a612dad.png][]

差点忘了，还有「凹凸数据」的荐书环节！

介绍一本????《**R语言数据分析与可视化从入门到精通**》R语言是一个自由、免费、源代码开放的编程语言和环境，它提供了强大的数据分析功能和丰富的数据可视化手段。随着数据科学的快速发展，R语言已经成为数据分析领域炙手可热的通用语言。点击下图可看详情/购买！????

![39e570be84ba1709084d75cc45534604.png][]

感谢北京大学出版社的赞助与支持！凹凸数据**400币????**统一兑换！后台回复“**读书会**”进群，聊书聊币吹牛皮！后台回复“规则”轻松赚币，各类书籍免费包邮带回家！

[b9aee81de470ba44d64fe393132d5d0e.png]: /images/20221023/960c71546cc94e20adcda3a1b4fa4453.png
[b00082ebb9e5f420a5913166d20708cd.png]: /images/20221023/66a5fc6cf8194e0bb016a7d836455787.png
[79d80e9597ef6c3e052d3593439f0dde.png]: /images/20221023/f8b5045736274315923c91daf9f8ce5d.png
[328f816a72aac456da55b899a973859f.png]: /images/20221023/5c9dee554e3245a3a3f68f528656e408.png
[007943312b9353d101719e05b003c411.png]: /images/20221023/f4facead56be4514816a913d8808d55f.png
[8eaba5ec72fa5fc5f308b010d5e3e9be.png]: /images/20221023/d7c1687f916942f6a7a93fad8745d534.png
[d18ec28a6db5d597c5696212fe304b97.png]: /images/20221023/80119086a10e40568a883654e98194e9.png
[702c831c48291fbbf562fefbbf2a3364.png]: /images/20221023/a1181946d6004652be519f57e8d459d0.png
[84559f6b7bf1b3d1116c7bd1f96cdbea.png]: /images/20221023/8104650f82144acdb94ca4c47c37ca17.png
[6dfcf115c4693c17363a3ee941e32ae3.png]: /images/20221023/51c8ab9317fb4b9481fcaaacbf7b2b4d.png
[d301b06edd1ac05776a91f09cdb8b769.png]: /images/20221023/4390ee2759a149ce9d4be7e06b86f0a0.png
[8706b599f47ab0ce40fe9da021c3a4d0.png]: /images/20221023/6040d2b5d5404309ad2861455a4b9b20.png
[4ce209c3a6b3aadfe7cdd9a7df27e295.png]: /images/20221023/4bc22dff604d47afa7e5f9da27619cd4.png
[708514675f44925b694920b98a612dad.png]: /images/20221023/40a50e5d927d42f5ad66c32c5c8023f5.png
[39e570be84ba1709084d75cc45534604.png]: /images/20221023/53b8a009a7974e38b1546218491f54ac.png