怎么使用Python根据原始Excel表格批量生成目标Excel表格

在日常工作中，我们经常需要处理大量的Excel表格数据。有时候，我们需要根据一个原始Excel表格，批量生成多个目标Excel表格。手动操作不仅效率低下，还容易出错。幸运的是，Python提供了强大的库来帮助我们自动化这一过程。本文将详细介绍如何使用Python根据原始Excel表格批量生成目标Excel表格。

1. 准备工作

在开始之前，我们需要安装一些必要的Python库。这些库包括：

• pandas：用于数据处理和分析。
• openpyxl：用于读写Excel文件。
• os：用于处理文件路径和目录。

你可以使用以下命令安装这些库：

pip install pandas openpyxl

2. 读取原始Excel表格

首先，我们需要读取原始Excel表格中的数据。假设我们的原始Excel文件名为source.xlsx，并且它包含一个名为Sheet1的工作表。

import pandas as pd

# 读取原始Excel表格
source_file = 'source.xlsx'
sheet_name = 'Sheet1'
df = pd.read_excel(source_file, sheet_name=sheet_name)

# 查看数据
print(df.head())

df是一个DataFrame对象，它包含了原始Excel表格中的所有数据。我们可以使用df.head()来查看前几行数据，确保数据读取正确。

3. 数据处理

在生成目标Excel表格之前，我们可能需要对数据进行一些处理。例如，我们可能需要根据某些条件筛选数据，或者对数据进行分组。

假设我们需要根据Category列的值来生成不同的目标Excel表格。我们可以使用groupby方法将数据分组：

# 按Category列分组
grouped = df.groupby('Category')

# 查看分组结果
for category, group in grouped:
    print(f"Category: {category}")
    print(group)

4. 生成目标Excel表格

接下来，我们需要将每个分组的数据保存到一个单独的Excel文件中。我们可以使用to_excel方法将每个分组的数据写入一个新的Excel文件。

# 创建目标文件夹
output_folder = 'output'
if not os.path.exists(output_folder):
    os.makedirs(output_folder)

# 遍历每个分组并保存为单独的Excel文件
for category, group in grouped:
    output_file = os.path.join(output_folder, f"{category}.xlsx")
    group.to_excel(output_file, index=False)
    print(f"Saved {output_file}")

在上面的代码中，我们首先创建了一个名为output的文件夹来保存生成的目标Excel文件。然后，我们遍历每个分组，并将每个分组的数据保存到一个新的Excel文件中，文件名以Category列的值命名。

5. 批量生成目标Excel表格

如果我们需要根据多个条件生成目标Excel表格，可以进一步扩展上述代码。例如，假设我们需要根据Category和Subcategory两列的值来生成目标Excel表格。

# 按Category和Subcategory列分组
grouped = df.groupby(['Category', 'Subcategory'])

# 遍历每个分组并保存为单独的Excel文件
for (category, subcategory), group in grouped:
    output_file = os.path.join(output_folder, f"{category}_{subcategory}.xlsx")
    group.to_excel(output_file, index=False)
    print(f"Saved {output_file}")

在这个例子中，我们根据Category和Subcategory两列的值来生成目标Excel表格，文件名以Category_Subcategory的形式命名。

6. 处理多个工作表

如果原始Excel表格包含多个工作表，我们可以使用pd.ExcelFile来读取所有工作表，并对每个工作表进行相同的处理。

# 读取所有工作表
excel_file = pd.ExcelFile(source_file)

# 遍历每个工作表
for sheet_name in excel_file.sheet_names:
    df = excel_file.parse(sheet_name)
    
    # 按Category列分组
    grouped = df.groupby('Category')
    
    # 遍历每个分组并保存为单独的Excel文件
    for category, group in grouped:
        output_file = os.path.join(output_folder, f"{sheet_name}_{category}.xlsx")
        group.to_excel(output_file, index=False)
        print(f"Saved {output_file}")

在这个例子中，我们首先读取了原始Excel文件中的所有工作表，然后对每个工作表进行分组处理，并将每个分组的数据保存到一个新的Excel文件中，文件名以工作表名称_Category的形式命名。

7. 处理大量数据

如果原始Excel表格非常大，可能会导致内存不足的问题。在这种情况下，我们可以使用chunksize参数来分块读取数据。

# 分块读取数据
chunksize = 10000
for chunk in pd.read_excel(source_file, sheet_name=sheet_name, chunksize=chunksize):
    # 处理每个数据块
    grouped = chunk.groupby('Category')
    
    # 遍历每个分组并保存为单独的Excel文件
    for category, group in grouped:
        output_file = os.path.join(output_folder, f"{category}.xlsx")
        if os.path.exists(output_file):
            # 如果文件已存在，追加数据
            existing_df = pd.read_excel(output_file)
            combined_df = pd.concat([existing_df, group])
            combined_df.to_excel(output_file, index=False)
        else:
            # 如果文件不存在，创建新文件
            group.to_excel(output_file, index=False)
        print(f"Saved {output_file}")

在这个例子中，我们使用chunksize参数分块读取数据，并对每个数据块进行分组处理。如果目标Excel文件已经存在，我们将新数据追加到现有文件中；如果目标Excel文件不存在，我们创建一个新文件。

8. 总结

通过使用Python的pandas和openpyxl库，我们可以轻松地根据原始Excel表格批量生成目标Excel表格。无论是简单的数据分组，还是复杂的多条件处理，Python都能帮助我们高效地完成任务。自动化这一过程不仅可以节省大量时间，还能减少人为错误，提高工作效率。

希望本文对你有所帮助！如果你有任何问题或建议，欢迎在评论区留言。