python excelwriter保存路径_从Excel中解救你!如何用Python实现报表自动化
全文共2391字,预计学习时长14分钟
图源:morioh
工作中,无穷无尽的表格有时会令人抓狂。Excel无处不在,即便有着像Python这样的强大工具任你使用,你也难以从中逃脱。
也许你的老板和同事仍然需要这种简单的方法来访问重要数据。但没关系!那并不意味着你不能通过使用Python来简化Excel工作。
全程无需使用Excel,逃离报表魔爪!
用Python将Excel报表自动化
你还在天天做Excel报表吗?而且还是为不同的客户做着四五次同样的报表吗?不如让Python代劳吧!
通过使用笔者在数据透视表教程中的数据(https://towardsdatascience.com/a-step-by-step-guide-to-pandas-pivot-tables-e0641d0c6c70),概览一下我们将要自动化到底是什么。
数据格式将使你期望从公司数据库中获得的内容与客户销售数据相匹配,与你期望从公司数据库中获得的数据相匹配。它按区域细分这些数据,并且创建两个带有格式和图表的汇总表。无需使用Excel!
最终的数据流—一个工作簿转化为四个格式化报告 | 图源:Nik Piepenbreier
加载库
使用Pandas和Openpyxl。笔者的“用Python自动化这三项(无聊!!!)Excel任务”( https://towardsdatascience.com/automate-these-3-boring-excel-tasks-with-python-666b4ded101b)一文中涵盖了许多关于Openpyxl的内容,对其如何运行提供了详细介绍。
#Section 1 - Loading our Libraries import pandas as pd fromopenpyxl import load_workbook from openpyxl.styles importFont from openpyxl.chart importBarChart, Reference
你使用如下两个Librariy:
1. Pandas负责转化数据,并创建初始Excel文件
2. Openpyxl将工作薄格式化,并插入图表
加载数据
加载数据,并概览正在处理的内容。正如笔者所提到的,这些数据与读者从公司数据库系统获得的数据相似。
#Section 2 - Loading our Data df = pd.read_excel('https://github.com/datagy/pivot_table_pandas/raw/master/sample_pivot.xlsx', parse_dates=['Date']) print(df.head()) # Date Region Type Units Sales #0 2020-07-11 East Children's Clothing 18.0 306 #1 2020-09-23 North Children's Clothing 14.0 448 #2 2020-04-02 South Women's Clothing 17.0 425 #3 2020-02-28 East Children's Clothing 26.0 832 #4 2020-03-19 West Women's Clothing 3.0 33
在这里,使用Pandas读取Excel文件,并读取Date/日期列的日期。
创建数据透视表
接着我们要创建最终报告中所需要的汇总表。这里将创建一个数据透视表以作为例子,其中仅使用东部地区进行代码的实验。
#Section 3 - Testing Pivot Tables filtered= df[df['Region'] =='East'] quarterly_sales= pd.pivot_table(filtered, index =filtered['Date'].dt.quarter, columns ='Type', values ='Sales', aggfunc='sum') print("Quarterly Sales Pivot Table:") print(quarterly_sales.head()) #Quarterly Sales Pivot Table: #Type Children's Clothing Men'sClothing Women's Clothing #Date #1 12274 13293 16729 #2 5496 17817 22384 #3 14463 9622 15065 #4 13616 10953 16051
创建第一个Excel文件
有了数据透视表后,将其导入到一个Excel文件中,我们将用pandas来导入:
#Section 04 - Creating and Excel Workbook file_path=#Path to where you want your file saved quarterly_sales.to_excel(file_path, sheet_name ='Quarterly Sales', startrow=3)
这一步是在做什么:
· 创建一个文件路径变量,以确定要将文件存储在何处,
· 使用ExcelWriter保存文件
· 将两个透视表保存到单独的工作表中,从第3行开始(稍后从中保留以用于页眉)
使报表更漂亮
Pandas有助于将数据导入到Excel中。既然数据已经导入Excel,不妨将其美化一下,来添加一些可视化效果。
#Section 05 - Loading the Workbook wb =load_workbook(file_path) sheet1= wb['Quarterly Sales'] # Section 06 - Formatting the First Sheet sheet1['A1'] ='Quarterly Sales' sheet1['A2'] ='datagy.io' sheet1['A4'] ='Quarter' sheet1['A1'].style ='Title' sheet1['A2'].style ='Headline 2' for i inrange(5, 9): sheet1[f'B{i}'].style='Currency' sheet1[f'C{i}'].style='Currency' sheet1[f'D{i}'].style='Currency' # Section 07 - Adding a Bar Chart bar_chart=BarChart() data=Reference(sheet1, min_col=2, max_col=4, min_row=4, max_row=8) categories=Reference(sheet1, min_col=1, max_col=1, min_row=5, max_row=8) bar_chart.add_data(data, titles_from_data=True) bar_chart.set_categories(categories) sheet1.add_chart(bar_chart, "F4") bar_chart.title ='Sales by Type' bar_chart.style=3 wb.save(filename = file_path)
在Section 5中,将工作簿和工作表加载到Openpyxl可以处理的单独对象中。
而Section 6中操作更多:
· 在表一的A1和A2单元格中添加标题和副标题。
· 更改“quarters”列的标题,使其更能反映数据。
· 对标题和副标题应用样式。
· 将金融领域的单元格转换为货币。这需要对每单个单元格进行单独处理。因此使用了for循环。
在Section 7中,添加了条形图:
· 创建一个条形图对象,并识别存储数据和类别的字段。
· 随后将数据和类别应用于对象。
· 最后,添加描述性标题和样式。使用许多不同的样式都试试!
这就是工作簿现在的样子:
所得工作簿之一 | 图源: Nik Piepenbreier
对多个工作簿执行工作流自动化
虽然已经很方便了,但是仅在一个区域执行这样的操作只能节约一点点的时间。我们可使用for循环,对所有的区域执行此操作。
#Section 08 - Getting Region Names regions =list(df['Region'].unique()) # Section 09 - Looping Over All Regions folder_path=#Insert the path to the folder you want tosave the reports in for region in regions: filtered =df[df['Region'] ==f'{region}'] quarterly_sales = pd.pivot_table(filtered, index =filtered['Date'].dt.quarter, columns ='Type', values ='Sales', aggfunc='sum') file_path =f"{path to your folder}{region}.xlsx" quarterly_sales.to_excel(file_path,sheet_name ='QuarterlySales', startrow=3) wb =load_workbook(file_path) sheet1 = wb['Quarterly Sales'] sheet1['A1'] ='Quarterly Sales' sheet1['A2'] ='datagy.io' sheet1['A4'] ='Quarter' sheet1['A1'].style ='Title' sheet1['A2'].style='Headline 2' for i inrange(5, 10): sheet1[f'B{i}'].style='Currency' sheet1[f'C{i}'].style='Currency' sheet1[f'D{i}'].style='Currency' bar_chart =BarChart() data =Reference(sheet1, min_col=2, max_col=4, min_row=4, max_row=8) categories =Reference(sheet1, min_col=1, max_col=1, min_row=5, max_row=8) bar_chart.add_data(data,titles_from_data=True) bar_chart.set_categories(categories) sheet1.add_chart(bar_chart,"F4") bar_chart. bar_chart.style =3
在Section 8中,创建了一个列表,其中包含了想要覆盖的不同区域的所有唯一值。
在Section 9中,在for循环中重复先前的代码:
· 创建一个新变量,该变量用于保存文件所在文件夹的路径
· 接下来,使用f-strings将区域名插入到脚本中,使得脚本对每个区域都是动态的。
图源:unsplash
Python的好处在于,它可使重复的任务具有可伸缩性。
想象一下,如果你每天都会收到这份文件,并且每天都要创建这些工作簿。这种方法能帮你节省多少时间!
留言点赞关注
我们一起分享AI学习与发展的干货
如转载,请后台留言,遵守转载规范
python excelwriter保存路径_从Excel中解救你!如何用Python实现报表自动化相关推荐
- python excelwriter保存路径_太赞!Python和Excel终于可以互通了
今天为大家分享一篇使用python将大量数据导出到Excel中的技巧心得,可以让Python和Excel的数据实现互通!具有很好的参考价值,希望对大家有所帮助(建议在电脑端阅读,代码案例较多).一起过 ...
- python怎么编辑excel_python 修改excel表格数据-关于如何用python 编辑 excel表格
python对Excel中数据的处理 把你的写入excel 的内容编码一哈 例如 str('内容').encode('utf-8') 或者str('内容').encode('gbk') 再写入exce ...
- python random函数_详细代码实战讲解:如何用 Python让自己变成天选之子
今天为大家带来的内容是:详细代码讲解:如何用 Python让自己变成天选之子 话不多说直接上代码: 请大家猜一猜下面这段代码的运行效果: 你是不是以为这段代码运行以后,结果如下图所示? 但实际上,我可 ...
- python excelwriter保存路径_Python和Excel 终于可以互通了!!
点击"开发者技术前线",选择"星标
- 怎样用python画爱心_女生节前夕特别篇:如何用python画爱心
亲爱的男生们: 展信佳!明天就是女生节了,你们是否还在为送什么而焦头烂额,是否还在俗套地沿用着前辈们的套路. 挂横幅--让女生们梦回八九十年代的大学生活? 拍视频--加入抖音快手之流? 送礼物--非常 ...
- 用python处理excel数据做函数_如何使用python通过函数式编程完成excel中的数据处理及分析工作...
Excel是数据分析中最常用的工具,本篇文章通过python与excel的功能对比介绍如何使用python通过函数式编程完成excel中的数据处理及分析工作.在Python中pandas库用于数据处理 ...
- python保存dataframe数据到excel中,处理列宽数据格式等
python保存dataframe数据到excel中,处理列宽数据格式等 前言 1,比较简单的datafame 生成excel代码 2,采用excelwriter 包进行数据列的改造 3,根据具体数据 ...
- Python脚本可在Microsoft Excel中格式化数据
In this article, we will use Python scripts for data formatting in Microsoft Excel sheet with variou ...
- 从Excel中解救你!如何用Python实现报表自动化
全文共2391字,预计学习时长14分钟 图源:morioh 工作中,无穷无尽的表格有时会令人抓狂.Excel无处不在,即便有着像Python这样的强大工具任你使用,你也难以从中逃脱. 也许你的老板和同 ...
最新文章
- connect() failed (111: Connection refused) while connecting to upstream, cli
- 独家 | 一文带你上手卷积神经网络实战(附数据集学习资料)
- C语言DCI(OCI)方式连接DM数据库
- java httpclient教程_HttpClient4.5.2 HTTP协议的请求和执行
- AT3611-Tree MST【点分治,最小生成树】
- ERP计划参数如何在线更新
- SSR for mac with free download addresses
- matlab保存m文件是什么意思,在Matlab中怎样把一个程序保存为一个.m文件
- Uipath鼠标单击扩展教程
- 【Educoder作业】※网页抓取及信息提取
- 桃李的修行小结【转】
- phpadmin添加外键索引
- FRPS实现内网SSH服务器登陆
- 计算机excel公式2010,计算机二级Office2010Eexcel公式汇总
- 美国劳工部揭露中国女人大数据,看完彻底傻眼了(文末有福利)
- 中国下一个十年的大趋势
- 在我们之间为什么显示服务器已满,icloud储存空间已满怎么解决
- 探秘Linux特殊设备文件:(/dev/null,/dev/zero,/dev/random,/dev/urandom等)
- Glide加载图片完成的回调
- 安天利信IPO被终止:因不符合发行条件 年营收2.29亿
热门文章
- Zotero使用记录----4 zotero+WPS云同步
- 复杂电路简化经典例题_复杂电路的简化题库.ppt
- JavaScript 开发的45个技巧2
- C# 调用打印机打印文件
- 数方大数据抓取网站访问用户,精准度百分之九十以上。
- nacos安装与下载
- 【Google I/O 2017回顾】Mobile First To AI First
- 2019神舟质量_2019质量周
- 相机光学(十九)——像差理论(球差)
- Internet of things:是指通过各种信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等各种装置