如何用python做一个表格,python怎么快速做表格

Python邮件发送之HTML表格快速建立 有时候需要发送带表格邮件,可能我们的数据是从数据库导出,或者是来自外部的csv或者excel文件,不管是哪种形式,到了Python,都是DataFrame格式,这时候,我们想将表格嵌入到HTML中,别急!有捷径! 1、Head通用部分 head = \ """ <head> <meta charset="ut 阅读详情

这篇文章主要介绍了如何用python做一个表格,具有一定借鉴价值,需要的朋友可以参考下。希望大家阅读完这篇文章后大有收获,下面让小编带着大家一起了解一下。

Source code download: 本文相关源码

前言

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python做简单笑脸。(文末送读者福利)

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!
在这里插入图片描述

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:
在这里插入图片描述

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.title='Sales by Type'
                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。

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!

读者福利:知道你对Python感兴趣,还准备了这套python学习资料

对于0基础小白入门:

如果你是零基础小白,想快速入门Python是可以考虑的。

一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以找到适合自己的学习方案

零基础Python学习资源介绍

👉Python学习路线汇总👈

Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。(全套教程文末领取哈)

👉Python必备开发工具👈

温馨提示:篇幅有限,已打包文件夹,获取方式在:文末

👉Python学习视频600合集👈

观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

👉实战案例👈

光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。

👉100道Python练习题👈

检查学习结果。

👉面试刷题👈



在这里插入图片描述

资料领取

上述这份完整版的Python全套学习资料已经上传优快云官方,朋友们如果需要可以微信扫描下方优快云官方认证二维码输入“领取资料” 即可领取

在这里插入图片描述

Python轻松制作精美表格 分享一个Python工具,轻松定制高度个性化的表格。 阅读详情

相关推荐

IEC61850 通信协议测试验证实战指南:从理论到实践

本文提供了一份全面的IEC61850通信协议测试验证实战指南,强调测试必须从理论走向工程实践。文章详细讲解了如何搭建测试环境,并深入剖析了MMS、GOOSE、SV三大核心协议的实战测试方法,旨在帮助工程师通过系统化的测试验证,确保电力自动化设备的互操作性与通信可靠性。

weixin_29204121的博客 171

新手python:如何绘制整齐的表格

实现效果: 方法一 print "+"+"-"*8+"+"+"-"*8+"+"+"-"*8+"+" print "|"+" "*2+"姓名"+" "*2+"|"+" "*2+"年龄"+" "*2+&q

谷咕咕 3万+

陀螺仪与加速度计的姿态融合——互补滤波

本篇文章我们来讲讲如何将陀螺仪和加速度计的数据结合起来,获取更准确的姿态数据,使用的是互补滤波的方法。

小白白学电子 2万+

python可视化界面编程工具,python如何做可视化界面

本文章是用网站的示例图用python汇总后用html在网页中实现数据可视化,最后达到数据大屏的效果divs = html_bf.select('.chart-container') # 根据css定位标签,选中图像的父节点标签height:50%;top:0%;left:45%;height:40%;top:10%;left:5%;height:40%;top:10%;left:55%;height:40%;top:55%;left:5%;height:40%;top:55%;left:55%;

wenangou6 3226

信捷CODESYS平台伺服电机转矩控制模式应用与切换

信捷CODESYS二次开发软件:XS Studio 在运动控制中的转矩控制案例

weixin_64614866的博客 1万+

nCode:GlyphWorks案例教程一

nCode GlyphWorks案例一Comparing Frequency Content of Two Different Tests案例文件目标配置选择数据 Comparing Frequency Content of Two Different Tests 在本案例中,我们将比较来自两个不同测试的六个加速计通道的频率内容。将三轴加速度计放置在车辆的左前角和右前角,然后分别在两个不同的试验路面上行驶12分钟以上。 案例文件 此案例的文件(采用nCode DAC格式)位于nCode安装目录下的\demo

追月行的博客 1万+

python处理excel可视化操作界面

近段时间由于工作中需要对一些数据的整理和可视化显示,故记下使用python操作Excel可视化操作,方便后续查阅。资料:xlsxwrite其他图标制作示例见。

神经网络爱好者 1388

LED背光驱动电路解析:从MP3394芯片到液晶屏灯管控制

本文深入解析了以MP3394芯片为核心的LED背光驱动电路工作原理。从升压电路的能量转换到多路LED的均流控制,详细阐述了其作为液晶屏背光“大脑”的关键作用,并提供了黑屏、闪屏、亮度不均等常见故障的实战检修思路与排查方法。

agile9scrum的博客 827

Python输出表格的完整指南:从控制台到Excel的多种实现方式

Python提供了多种生成表格的方法,适合不同场景需求: 控制台表格 PrettyTable:简单易用,支持中文字符对齐 Tabulate:支持多种输出格式(Markdown/HTML等) Excel表格 Pandas:适合大数据处理,快速导出Excel openpyxl:提供精细的单元格控制和样式设置 动态生成 从CSV/数据库读取数据生成表格 使用Jinja2模板引擎生成HTML表格 选择建议: 命令行工具开发首选PrettyTable/Tabulate 数据分析报告推荐Pandas+openpyxl组

专注于与编程相关的知识内容分享 1823

ESP32水墨屏日历实战:低功耗自动更新与HTTPS数据解析

本文详细介绍了ESP32水墨屏日历项目的开发实践,重点讲解了低功耗自动更新与HTTPS数据解析的实现方法。通过ESP32的自动休眠功能和水墨屏的零功耗特性,结合HTTPS请求安全获取网络数据,实现了高效节能的桌面日历应用。项目代码开源,适合物联网开发者参考。

xx56789的博客 779

费雪的未来增长评估:预测颠覆性技术的影响

本文旨在提供一个系统性的框架,用于评估和预测颠覆性技术的增长轨迹。我们将重点关注费雪增长模型(Fisher-Pry Model)这一经典技术扩散理论,探讨其在现代技术预测中的应用价值。文章首先介绍费雪增长模型的基本概念,然后深入其数学原理和算法实现。随后展示实际应用案例,讨论工具资源,最后探讨未来发展趋势。每个部分都包含详细的技术实现和理论分析。费雪增长模型(Fisher-Pry Model):一种描述技术替代过程的S型增长模型,用于预测新技术取代旧技术的速率。

欢迎来到我的优快云空间!这里聚焦AI大模型应用实战,分享前沿技术、实战案例与开发经验。 929

python docx 快速读取表格

使用 Python-docx 快速读取 Word 文档中的表格 在处理 Word 文档时,数据以表格形式存在的情况时常会出现。如果你想要快速读取这些表格数据,python-docx 是一个非常实用的库。本篇文章将带你一步一步了解如何使用 Python-docx 快速读取 Word 文档中的表格。 整体流程 首先,我们可以将...

weixin_35792271的博客 835

RK3588部署实战:利用RGA硬件加速单元优化YOLOv5的图像预处理与推理性能

摘要:本文探讨了在Rockchip芯片上使用RGA(Rockchip图形加速器)实现YOLOv5图像预处理的过程。通过对比RGA和OpenCV两种方式处理图像的速度,发现RGA加速效果不明显且不稳定(13-17fps),分析原因可能是图片尺寸过小和内存操作消耗时间。文章详细介绍了RGA版本的resize和letterbox实现代码,包括图像缩放、边缘填充等功能,并提供了预处理流程和性能监控方法。结果表明在当前场景下RGA尚未达到预期加速效果,可能与官方代码下架和实现细节有关。

know_F0727的博客 294

python怎么快速做表格,python怎么做excel表格

之前在学习os模块中,我们知道了如何创建一个txt格式的文件(具体操作见但是当我们爬取一些小说或一些图片时,我们需要分类管理这些数据,这时候文件似乎无法直接描述出这些数据的关系,那么我们就需要创建一个Excel表格了创建Excel表格一般有两种方法:一:通过导入xlwt库来创建,这种是最常规的方法,不过相对也比较麻烦二:通过导入csv库来创建接下来我们具体操作一下。

2401_84668032的博客 1907

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

python快速上手-表格打印

SunshineTsang的博客 416

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

上一篇: python做小游戏代码可复制,python编写小游戏的代码
下一篇: python数据分析案例源代码,python数据分析案例教程
普通网友
博客等级 码龄22年 1万+粉丝 3156原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值