Question

我目前面临一个问题，我需要将以下图像中显示的所有数据仅合并为一行。

因此，我尝试使用Python和Openpyxl编写一个解析脚本，该脚本读取行并仅在值非空或不相同时才复制到新工作簿中。

我超出范围错误，并且代码不仅仅保留我想要的数据。我已经花了多个小时，所以我想在这里问一下我是否会卡住。

我已经阅读了一些有关Openpyxl的文档，以及有关在python中创建列表的信息，在youtube上尝试了一些视频，但是它们都没有完全达到我的目的。

import openpyxl
from openpyxl import Workbook

path = "sample.xlsx"
wb = openpyxl.load_workbook(path)
ws = wb.active
path2 = "output.xlsx"
wb2 = Workbook()
ws2 = wb2.active

listab = []
rows = ws.max_row
columns = ws.max_column

for i in range (1, rows+1):
   listab.append([])

cellValue = " "    
prevCell = " "

for c in range (1, rows+1):
    for r in range(1, columns+1):
        cellValue = ws.cell(row=r, column=c).value
            if cellValue == prevCell:
                listab[r-1].append(prevCell)
            elif cellValue == "NULL":
                listab[r-1].append(prevCell)
            elif cellValue != prevCell:
                listab[r-1].append(cellValue)
                prevCell = cellValue           

for r in range(1, rows+1):
    for c in range (1, columns+1):
        j = ws2.cell(row = r, column=c)
        j.value = listab[r-1][c-1]

print(listab)

wb2.save("output.xlsx")

应该包含以下信息的一行：

Answer 1

我个人会选择pandas。

import pandas as pd

#Loading into pandas
df_data = pd.read_excel('sample.xlsx')
df_data.fillna("NO DATA",inplace=True)  ## Replaced nan values with "NO DATA"
unique_ids = df_data.ods_service_ids.unique()

#Storing pd into a list
records_list = df_data.to_dict('records') 
keys_to_check = ['service_name', 'service_plan_name', 'CPU','RAM','NIC','DRIVE']
processed = {}

#Go through unique ids
for key in unique_ids:
    processed[key] = {}

    #Get related records
    matching_records = [y for y in records_list if y['ods_service_ids'] == key]
    #Loop through records
    for record in matching_records:
        #For each key to check, save in dict if non null
        processed[key]['ods_service_ids'] = key
        for detail_key in keys_to_check:
            if record[detail_key] != "NO DATA" :
                processed[key][detail_key] = record[detail_key]
        ##Note : doesn't handle duplicate values for different keys so far


#Records are put back in list
output_data = [processed[x] for x in processed.keys()]
# -> to Pandas
df = pd.DataFrame(output_data)[['ods_service_ids','service_name', 'service_plan_name', 'CPU','RAM','NIC','DRIVE']]

#Export to Excel
df.to_excel("output.xlsx",sheet_name='Sheet_name_1', index=False)

上面的方法应该可以工作，但是我不确定如何保存相同ID的重复记录。您是否希望将它们存储为DRIVE_0，DRIVE_1，DRIVE_2？

编辑：

df可以以其他方式导出。在#export to Excel下面替换为以下内容：

df.to_excel("output.xlsx",sheet_name='Sheet_name_1')

编辑2：

没有输入数据，很难看到任何流量。使用伪造数据更正了上面的代码

Answer 2

说实话，我认为您已经对数据结构感到困惑，并且提出了比您需要的复杂得多的东西。

一种合适的方法是为每个服务使用Python字典，逐行更新它们。

wb = load_workbook("sample.xlsx")
ws = wb.active
objs = {}
headers = next(ws.iter_rows(min_row=1, max_row=1, values_only=True))
for row in ws.iter_rows(min_row=2, values_only=True):
    if row[0] not in objs:
        obj = {key:value for key, value in zip(headers, row)}
        objs[obj['ods_service_id']] = obj
    else:# update dict with non-None values
        extra = {key:value for key, value in zip(headers[3:], row[3:]) if value != "NULL"}
        obj.update(extra)

# write to new workbook
wb2 = Workbook()
ws2 = wb2.active
ws2.append(headers)
for row in objs.values(): # do they need sorting?
    ws2.append([obj[key] for key in headers])

请注意如何在不使用计数器的情况下进行所有操作。

Answer 3

我建议为此使用pandas库，然后您可以轻松地进行任何形式的转换。

import pandas as pd

exceldata = pd.read_excel('tmp.xlsx', index_col=0) 

print(exceldata)

您可以轻松删除null/na value，也可以替换并将其导出为excel格式。

参考帮助：

Reading Excel

Drop Na Value

Replace NA Value

如何将多行excel数据连接成一个行？

3 个答案:

编辑：

编辑2：