本篇内容主要讲解“如何利用python对EXCEL的提取处理”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“如何利用python对EXCEL的提取处理”吧!

我们提供的服务有：成都网站建设、成都网站设计、微信公众号开发、网站优化、网站认证、兖州ssl等。为上千企事业单位解决了网站和推广的问题。提供周到的售前咨询和贴心的售后服务，是有科学管理、有技术的兖州网站制作公司

项目场景：

提示：利用python处理两个EXCEL表格，表A和表B第一列均为时间，若时间相同，就将表A对应时间的那一行数据提取出来 例如：

方案一：

采用简单的for循环，读入EXCEL数据，进行比较判断，输出保存

import xlrd
import xlwt

# 读取文件
file_A_name = "I:\\EXLA.xls"
file_B_name = "I:\\EXLB.xls"
result_to_name = "I:\\Result.xlsx"
file_A = xlrd.open_workbook(file_A_name)
file_B = xlrd.open_workbook(file_B_name)
# 读取文件中的某张表
A_sheet = file_A.sheet_by_name("风速曲线")
B_sheet = file_B.sheet_by_name("aaa")
# 创建需要保存的写入文件
workbook = xlwt.Workbook(encoding="ascii")
# 创建写入sheet
worksheet = workbook.add_sheet("same_time_date")

# 啦啦啦，第一版程序，比较耗时，并且保存结果不连续
for i in range (0,A_sheet.nrows):              # 遍历表A"风速曲线"sheet的每一行
    A_values_row1 = A_sheet.row_values(i)      # 保存第i行的数据至A_values_row1
    for j in range (0,B_sheet.nrows):          # 遍历表B"aaa"sheet的每一行
        B_values_row1 = B_sheet.row_values(j)  # 保存第i行的数据至A_values_row1
        if A_values_row1[0]==B_values_row1[0]: # 比较第一列（每一行第一个值）是否相等
            print(A_values_row1)
            # 保存相同结果
            for k in range(0,11):              # 若True，将表A第i行的12个数据保存至新建"same_time_date"sheet
                worksheet.write(i, k, A_values_row1[k])
                workbook.save(result_to_name)


# 啦啦啦 ，关于读取某行，某列，或某具体数据的方法
'''
# 读取表A第一列数据
colA_1_value = A_sheet.col_values(0)
print(colA_1_value)

# 第一行数据
rowA_1_value = A_sheet.row_values(0)
print(rowA_1_value)

# 获取第一行第一列的数据
cell_value = A_sheet.cell_value(0, 0)
print(cell_value)

# 获取表的行数
nrows = A_sheet.nrows

# 获取表的列数
ncols = A_sheet.ncols
print("nrows: %d, ncols: %d" % (nrows, ncols))

# 输出Excel中表的个数
print(file_A.nsheets)

'''

# 啦啦啦  加一个计数器就可以实现连续保存啦 如果每次只有两个时间会对应相等的话，那么找到这个相等的时间就无需再继续找啦

'''
m = 0                                          # 记录相同结果的次数
for i in range (0,A_sheet.nrows):              # 遍历表A"风速曲线"sheet的每一行
    A_values_row1 = A_sheet.row_values(i)      # 保存第i行的数据至A_values_row1
    for j in range (0,B_sheet.nrows):          # 遍历表B"aaa"sheet的每一行
        B_values_row1 = B_sheet.row_values(j)  # 保存第i行的数据至A_values_row1
        if A_values_row1[0]==B_values_row1[0]: # 比较第一列（每一行第一个值）是否相等
            i++
            print(A_values_row1)
            # 保存相同结果  换成m
            for k in range(0,11):              # 若True，将表A第i行的12个数据保存至新建"same_time_date"sheet的第m行
                worksheet.write(m, k, A_values_row1[k])
                workbook.save(result_to_name)
            continue


'''

注意事项：

提示：这里两个表的时间格式要保持一致，将其改为“数字转换为文本型数字”，否则python读入EXCEl时间数据后为一串float型数字，并且两相同时间数据的小数点并不一致（此处也不知为何）

方案二：

采用pandas库，这里是小伙伴写的，我直接附上源码大家自行领会

下面展示一些 内联代码片。

#  编码必须要，因为里面有中文，要不然索引不成功，已开始索引没成功就是因为编码问题；
# coding=utf-8

# 导入pandas库
import pandas as pd

# 这两个可以忽略，因为没用到；
import numpy as np
# 这个是数据库导入的，用来练手的，你们没有本地数据库也用不用；
import pyMySQL
# 导入数据
Fpath2 = "K:/马雷/zy.xls";
df1 = pd.read_excel(Fpath2);
Fpath3 = "K:/马雷/03.xlsx"
df2 = pd.read_excel(Fpath3)
# 因为两个数据时间格式不一样，需要调整，然后且切片；
df1.loc[:, "时间"] = df1["时间"].str.replace("-", "").str.slice(0, 14);
# 数据二的日期不是字符串，进行了字符串的转换，这里也栽了大跟头；
df2.loc[:, "时间"] = df2.时间.astype(str).str.replace("-", "").str[0:14]
# 输出调整后的两个表，看是否样式一样；
print(df1)
print(df2)
# 相同时间的日期匹配，进行了内联，数据库里面用过的；
s5 = pd.merge(df2, df1, left_on="时间",right_on="时间",how="inner")
print(s5)
# 判断是否有缺失值，很高兴，发现没有缺失值，如果有的话会输出True
print(s5.时间.isnull())
# 保存数据，开始愉快的分析数据吧，
s5.to_excel("K:/马雷/zy2015532.xls")
# -----------------------------------------------#
# -----------现在代码结束了-----------------------#
# -----------底下是联系写的-----------------------#
# ----------------------------------------------#

# df1.to_excel("K:/马雷/zy1.xls")
# s3 = df.set_index("最大风向", inplace=True, drop=False)
# print(s3)
# print(s3.head(5))

# print(s2);
# cloumes=["平均风速" ,"zuixiao"];
# s3 = df(cloumes);
# print(df.zuixiao)
# print(df.describe())
# print(df["最小风向"].mean)
# print(df.cov())
# print(df.corr())
# s1 = df[1:3];
# s1.to_excel("K:/马雷/zy1.xls", index=False)
# s3 = df["最大风向"].fillna(0);
# s4=df["最大风向"].notnull()
# print(s4)
# print(s3)
# print(df["zuixiao"].df["zuida"])

# print(df[1:3])

# print(s3)
# print(s1.index)
# s1=pd.Series(re
# ads.head(2))
# print(reads.reindex)
# print(reads.dtypes)
#  导入数据库数据
# conn = pymysql.connect(
#     host="127.0.0.1",
#     user="root",
#     password="zy2015532",
#     database="myemployees",
#     charset="utf8"
# )
# mysql_page = pd.read_sql("select * from employees where salary>10000", con=conn)
# print(mysql_page)

到此结束，如有错误，敬请指正。

到此，相信大家对“如何利用python对EXCEL的提取处理”有了更深的了解，不妨来实际操作一番吧！这里是创新互联网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！

新闻名称：如何利用python对EXCEL的提取处理
网站地址：http://azwzsj.com/article/pdcojd.html