Python办公自动化｜批量提取Excel数据
共 3613字，需浏览 8分钟
·
2020-09-06 18:07
回复“书籍”即可获赠Python从入门到进阶共10本电子书
大家好，又到了Python办公自动化系列。
今天我们来讲解一个比较简单的案例，使用openpyxl从Excel中提取指定的数据并生成新的文件，之后进一步批量自动化实现这个功能，通过本例可以学到的知识点:
openpyxl模块的运用glob模块建立批处理
数据源：阿里云天池的电商婴儿数据（可自行搜索并下载，如果要完成进阶难度可直接将该数据Excel拷贝999次即可，当然这个拷贝可以交给代码来实现）
需求说明
初级难度：提取电商婴儿数据.xlsx中购买数buy_mount超过50的记录建立新的Excel表
最后形成如下的表格：
进阶难度：同一个文件夹下有1000份电商婴儿数据的Excel表格(命名为电商婴儿数据1.xlsx，电商婴儿数据2.xlsx至电商婴儿数据1000.xlsx)，需要提取所有表格中购买数buy_mount超过50的记录并汇总至一个新的Excel表
Python实现
让我们先完成初级难度的需求挑战，首先导入所需模块并打开数据表，注意
打开已经存在的Excel用load_workbook，创建新的Excel用Workbook
from openpyxl import load_workbook, Workbook
# 数据所在的文件夹目录
path = 'C:/Users/xxxxxx'
# 打开电商婴儿数据工作簿
workbook = load_workbook(path + '/' + '电商婴儿数据.xlsx')
# 打开工作表
sheet = workbook.active接下来筛选符合条件的行
buy_mount = sheet['F']
row_lst = []
for cell in buy_mount:
if isinstance(cell.value, int) and cell.value > 50:
print(cell.row)
row_lst.append(cell.row)这一步本质上就是对购买数的各个单元格进行判断，如果数值超过50就将其行号放入一个空列表中，间接完成了筛出符合条件的行。注意这一列有可能有的单元格cell的值value不是数值类型，因此需要用isinstance()进行判断，当然也可以将单元格的值先用int()转为整型再判断。
筛选出符合条件的行号就可以提取行并且放入新的Excel中了，因此需要先创建新的工作簿，现在创建新的工作簿写入符合条件的行，思路是根据行号获取到指定行后，遍历所有单元格的值组装成一个列表，用sheet.append()写入新表
new_workbook = Workbook()
new_sheet = new_workbook.active
# 创建和 电商婴儿数据 一样的表头（第一行）
header = sheet[1]
header_lst = []
for cell in header:
header_lst.append(cell.value)
new_sheet.append(header_lst)
# 从旧表中根据行号提取符合条件的行，并遍历单元格获取值，以列表形式写入新表
for row in row_lst:
data_lst = []
for cell in sheet[row]:
data_lst.append(cell.value)
new_sheet.append(data_lst)
# 最后切记保存
new_workbook.save(path + '/' + '符合筛选条件的新表.xlsx')初级难度的需求已经成功完成，至此我们已经学会从单个表中提取需要的行并且放到新的表格里。有的人可能会说了：一个表格的筛选可以直接用Excel中的 筛选 来完成，不需要用代码写这么复杂，还难以理解。因此就有了进阶需求。现在需要完成的工作变成，获取1000个表格中所有符合条件的行并汇总成一个新表。如果是手动操作的行，需要打开每个表格，然后一通筛选操作后，将所有满足条件的行都复制到新表，并且执行上述操作1000次！
这显然不现实，而如果你已经理解初级需求的思路，那么只需要加上几行代码，就可以完成进阶需求。所需要的模块是glob。批处理的大概代码框架如下：
import glob
# 1000份数据所在的文件夹目录
path = 'C:/Users/xxxxxx'
for file in glob.glob(path + '/*'):
pass如果需要遍历特定类型的文件可以限定后缀，以xlsx后缀的Excel文件为例
for file in glob.glob(path + '/*.xlsx'):
pass最后只需要将上面写好的针对单个文件的代码放到循环体内部，且load_workbook的路径变成循环出的每一个xlsx文件的绝对路径。当然，还需要想清楚有些代码不能在循环体里重复被执行，如创建新表和给新表添加表头，创建新表放在循环体外就可以，添加表头可以用一个单独的变量来判断这个操作是否已经被执行。完整代码如下：
from openpyxl import load_workbook, Workbook
import glob
path = 'C:/Users/xxxxxx'
new_workbook = Workbook()
new_sheet = new_workbook.active
# 用flag变量明确新表是否已经添加了表头，只要添加过一次就无须重复再添加
flag = 0
for file in glob.glob(path + '/*.xlsx'):
workbook = load_workbook(file)
sheet = workbook.active
buy_mount = sheet['F']
row_lst = []
for cell in buy_mount:
if isinstance(cell.value, int) and cell.value > 50:
print(cell.row)
row_lst.append(cell.row)
if not flag:
header = sheet[1]
header_lst = []
for cell in header:
header_lst.append(cell.value)
new_sheet.append(header_lst)
flag = 1
for row in row_lst:
data_lst = []
for cell in sheet[row]:
data_lst.append(cell.value)
new_sheet.append(data_lst)
new_workbook.save(path + '/' + '符合筛选条件的新表.xlsx')小结
以上就是使用Python实现批量从Excel中提取指定数据的全部过程和代码，如果你也有相关需求，稍作修改即可使用。其实如果你仔细思考会发现这个需求使用pandas会以更简洁的代码实现，但是由于我们之后的Python办公自动化案例中会频繁使用openpyxl，并且在操作Excel时有更多的功能，因此在之后我们将主要讲解如何使用这个openpyxl实现。最后还是希望大家能够理解Python办公自动化的一个核心就是批量操作-解放双手，让复杂的工作自动化！
------------------- End -------------------
往期精彩文章推荐：
欢迎大家点赞，留言，转发，转载，感谢大家的相伴与支持
想加入Python学习群请在后台回复【入群】
万水千山总是情，点个【在看】行不行
/今日留言主题/
随便说一两句吧~~