Python 在给定列中查找最高行

Question

我是 Whosebug 的新手，最近学习了一些基础知识 Python。这是我第一次使用 openpyxl。在我使用 xlrd 和 xlsxwriter 之前，我确实设法制作了一些有用的程序。但现在我需要一个 .xlsx reader&writer.

有一个文件，我需要读取和编辑已存储在代码中的数据。假设 .xlsx 有五列数据：A、B、C、D、E。在 A 列中，我有超过 1000 行数据。在 D 列上，我有 150 行数据。

基本上，我希望程序在给定列（比如 D）上找到包含数据的最后一行。然后，在 D 列的下一个可用行（最后一行 + 1）中写入存储变量 data。

问题是我无法使用 ws.get_highest_row()，因为它 returns A 列的第 1000 行。

基本上，到目前为止，这就是我所拥有的：

data = 'xxx'
from openpyxl import load_workbook
wb = load_workbook('book.xlsx', use_iterators=True)
ws = wb.get_sheet_by_name('Sheet1')
last_row = ws.get_highest_row()

显然这根本行不通。 last_row returns 1000.

Answer 1

问题是 get_highest_row() itself uses row dimensions 个实例定义了 sheet 中的最大行。 RowDimension 没有关于列的信息 - 这意味着我们不能用它来解决您的问题，必须以不同的方式处理它。

这是一种 "ugly" openpyxl 特定的选项，但如果 use_iterators=True:

将不起作用

from openpyxl.utils import coordinate_from_string

def get_maximum_row(ws, column):
    return max(coordinate_from_string(cell)[-1]
               for cell in ws._cells if cell.startswith(column))

用法：

print get_maximum_row(ws, "A")
print get_maximum_row(ws, "B")
print get_maximum_row(ws, "C")
print get_maximum_row(ws, "D")

除此之外，我会按照@LondonRob 的建议用 pandas 解析内容并让它完成工作。

Answer 2

如果这是 openpyxl 的限制，那么您可以尝试以下方法之一：

将 Excel 文件转换为 csv 并使用 Python csv 模块。
使用 zipfile 解压缩 Excel 文件，然后导航到解压缩文件的 "xl/worksheets" 子文件夹，您会在其中找到每个文件的 XML工作表。从那里你可以用 BeautifulSoup 或 lxml.

xslx Excel 格式是 XML 文件的压缩树文件夹。您可以找到规范 here.

Answer 3

这是使用 Pandas 的方法。

It's easy 使用 last_valid_index.

获取 Pandas 中的最后一个非空行

可能有更好的方法将生成的 DataFrame 写入您的 xlsx 文件，但是，according to the docs，这种非常愚蠢的方法实际上是在 [=14= 中完成的].

假设您从这个简单的工作表开始：

假设我们要将 xxx 放入列 C:

import openpyxl as xl
import pandas as pd

wb = xl.load_workbook('deleteme.xlsx')
ws = wb.get_sheet_by_name('Sheet1')
df = pd.read_excel('deleteme.xlsx')

def replace_first_null(df, col_name, value):
    """
    Replace the first null value in DataFrame df.`col_name`
    with `value`.
    """
    return_df = df.copy()
    idx = list(df.index)
    last_valid = df[col_name].last_valid_index()
    last_valid_row_number = idx.index(last_valid)
    # This next line has mixed number and string indexing
    # but it should be ok, since df is coming from an
    # Excel sheet and should have a consecutive index
    return_df.loc[last_valid_row_number + 1, col_name] = value
    return return_df

def write_df_to_worksheet(ws, df):
    """
    Write the values in df to the worksheet ws in place
    """
    for i, col in enumerate(replaced):
        for j, val in enumerate(replaced[col]):
            if not pd.isnull(val):
                # Python is zero indexed, so add one
                # (plus an extra one to take account
                #  of the header row!)
                ws.cell(row=j + 2, column=i + 1).value = val

# Here's the actual replacing happening
replaced = replace_first_null(df, 'C', 'xxx')
write_df_to_worksheet(ws, df)
wb.save('changed.xlsx')

这导致：

Answer 4

图我将开始回馈 Whosebug 社区。 Alecxe 的解决方案对我不起作用，我不想使用 Pandas 等，所以我改为这样做。它从电子表格的末尾开始检查，并为您提供 D 列中的下一个 available/empty 行。

def unassigned_row_in_column_D(): 
    ws_max_row = int(ws.max_row)
    cell_coord = 'D' + str(ws_max_row)
    while ws.cell(cell_coord).value == None:
        ws_max_row -= 1
        cell_coord = 'D' + str(ws_max_row)
    ws_max_row += 1
    return 'D' + str(ws_max_row)

#then add variable data = 'xxx' to that cell

ws.cell(unassigned_row_in_column_D()).value = data

Answer 5

alexce 的解决方案对我不起作用。这可能是openpyxl版本的问题，我在2.4.1，这是一个小调整后的工作：

def get_max_row_in_col(ws, column):
    return max([cell[0] for cell in ws._cells if cell[1] == column])

Python 在给定列中查找最高行

Python Find highest row in a given column

python

excel

openpyxl