利用pandas整理订单，并根据地址对比进行分类

背景：

本人主要做新媒体运营，因为公司近期转向团购，所以开始处理团购订单，主要是留下有用数据，并进行商品、地址分类，方便分拣货物和物流配送。

而其中最繁琐的工作，就是根据地址分类，我们主要进行社区团购，涵盖附近十几个小区，有自己的物流配送师傅，但要根据小区，将货物分到配送员手上。所以，需要我们导出订单后，根据用户填写地址，分别归属到每个小区之下。订单虽说不多，基本在一百单到两百单上下，要每个地址进行对比，费时费力，还容易出错。

本着重复的工作大多是可以自动实现的，加上自学了几天pathon，就想利用pandas进行自动整理。

目标很简单，首先导出订单，然后输入路径，接着就能自动整理出两个订单，一个原表单，以做备份，一个总表，包含收货人、电话、地址、商品名称、数量等，并添加两列数据：小区，和所属范围。获取每一行地址信息，进行比对，属于哪个小区，哪个范围，如果不在对比小区中，小区则标记为null，范围则为其它。

首先导入包，以及路径地址

import pandas as pd
import osfolder_path = r'/Users/joy/订单/'
excel_name = 'test'
excel_xlsx= '.xlsx'

从下载的原始订单（test.xlsx）中，将目标表单，写入新的Excel文件（test_new.xlsx）中以作为备份，并获取想要获取的列，分别存为Series，并存为一个数组，方便后续读取。

df_original_excel = pd.read_excel(folder_path + excel_name + excel_xlsx,'接龙列表(行排不合并)')
new_excel_name = r'test_new'
writer = pd.ExcelWriter(folder_path + new_excel_name + excel_xlsx)
df_original_excel.to_excel(writer,sheet_name = '原表',index = False)s_name = df_original_excel['收货人']
s_phone_num = df_original_excel['联系电话']
s_address = df_original_excel['收货地址']
s_goods = df_original_excel['商品名称']
s_num = df_original_excel['数量']
s_remarks = df_original_excel['用户备注']
s_price = df_original_excel['商品金额']
s_refund = df_original_excel['订单已退款']s_total = [s_name,s_phone_num,s_address,s_goods,s_num,s_remarks,s_price,s_refund]

新建一个DataFrame（df_s_table），并将数组（s_total）中的Series分别存入其中。然后新建两个地址范围（range_A,range_B），其中有我们预设好的小区（A1～A5，B1～B5），新建两个Series（community_s，range_s）数据，分别存放小区和范围。

df_s_table = pd.DataFrame()for s in s_total:df_s_table[s.name] = s#两个地址范围，range_A和rang_B，其中A下有5个小区，B下有5个小区。
range_A = ['A1','A2','A3','A4','A5']
range_B = ['B1','B2','B3','B4','B5']community_s = pd.Series(len(df_s_table['收货地址']))
range_s = pd.Series(len(df_s_table['收货地址']))

设置state，进行双重循环，遍历‘收货地址’中的所有数据，并和range_A和range_B中的小区进行一一比对，如果地址中包含某小区，就在将小区名存入community_s中，并将range_s存为该范围。如果均不符合，就将community_s存为null，range_s设置为‘其它’，最后，将community_s和range_s添加到df_s_table中。

# state代表地址所属范围，0为其它，1为range_A，2为range_B，默认为其它
state = 0for i in range(len(df_s_table['收货地址'])):for item in range_sanqi:if item in df_s_table['收货地址'][i]:community_s[i] = itemrange_s[i] = 'range_A'state = 1if state != 1:for item in range_ydy:if item in df_s_table['收货地址'][i]:community_s[i] = itemrange_s[i] = 'range_B'state = 2if state == 0:community_s[i] = 'null'range_s[i] = '其它'else:state = 0df_s_table['小区'] = community_s
df_s_table['范围'] = range_s

最后，分别根据“范围”、“小区”、“收货人”进行排序，并写入new_excel中，保存，这样就基本完成了。接下来只需要将null小区改过来就行了。

df_s_table = df_s_table.sort_values(['范围','小区','收货人'])df_s_table.to_excel(writer,sheet_name = '总表',index = False)writer.save()
writer.close()

这是根据自己的工作，做的一个小程序，很简单，但还算实用。初写python，肯定有不对的地方，大家可以一起交流。

利用pandas整理订单，并根据地址对比进行分类相关推荐

Python语言学习：利用pandas对两列字段元素求差集(对比两列字段所有元素的异同)
Python语言学习:利用pandas对两列字段元素求差集(对比两列字段所有元素的异同) 目录利用pandas对两列字段元素求差集(对比两列字段所有元素的异同) 输出结果实现代码利用pandas ...
python计算csv文件内的数据_Python利用pandas计算多个CSV文件数据值的实例
功能:扫描当前目录下所有CSV文件并对其中文件进行统计,输出统计值到CSV文件 pip install pandas import pandas as pd import glob,os,sys in ...
利用Pandas拆分Excel的单元格为多行并保留其他行的数据
利用Pandas拆分Excel的单元格为多行并保留其他行的数据 1. 需求 2. Pandas解决需求 2.1 准备工作 2.2 Python程序执行 3. Pandas实现需求过程详解 3.1 碎碎 ...
阿里云AI训练营-数据分析入门：利用Pandas分析美国总统选举
1.1 前言本次赛事由开源学习组织Datawhale主办,主要带领学习者利用Python进行数据分析以及数据可视化,包含数据集的处理.数据探索与清晰.数据分析.数据可视化四部分,利用pandas.m ...
利用Python整理TGA的导出数据，成为Excel格式的
''' TGA的导出数据是ANSI格式的, 利用Python整理TGA的导出数据,成为Excel格式的. '''''' 使用Python自带的open命令,打开file1文档 file1文档是ANSI ...
利用pandas读写HDF5文件
一.简介 HDF5(Hierarchical Data Formal)是用于存储大规模数值数据的较为理想的存储格式,文件后缀名为h5,存储读取速度非常快,且可在文件内部按照明确的层次存储数据,同一个H ...
python在excel中的应用-Python利用pandas处理Excel数据的应用详解
最近迷上了高效处理数据的pandas,其实这个是用来做数据分析的,如果你是做大数据分析和测试的,那么这个是非常的有用的!!但是其实我们平时在做自动化测试的时候,如果涉及到数据的读取和存储,那么而利用p ...
python与excel的应用-Python利用pandas处理Excel数据的应用
最近迷上了高效处理数据的pandas,其实这个是用来做数据分析的,如果你是做大数据分析和测试的,那么这个是非常的有用的!!但是其实我们平时在做自动化测试的时候,如果涉及到数据的读取和存储,那么而利用p ...
Python之Pandas：利用Pandas函数实现对表格文件的查之高级查询(类似sql，分组查询等)之详细攻略
Python之Pandas:利用Pandas函数实现对表格文件的查之高级查询(类似sql,分组查询等)之详细攻略目录利用Pandas函数实现对表格文件的查之高级查询(类似sql) 1.分组查询

利用pandas整理订单，并根据地址对比进行分类

利用pandas整理订单，并根据地址对比进行分类相关推荐

最新文章

热门文章