解析 Excel 报告

Question

我有一个 Excel 工作簿报告 (abc.xlsx)，我正在尝试解析它以从几列中获取数据，我想知道如何在 Python/Pandas.该报告采用报告格式，因此它的格式不像 row-column 配置那样好，它看起来像这样：

                                 My Report
                                 ABC LLC
                        from 06/01/2015 to 06/30/2015 

Instrument                Identifier    Quantity    Start    End     Total 

North America
                            XYZ           100         0      0        (1,893.52)
North America Subtotal                                                (1,893.52)

Europe
                            ABC            50         10     20        (4,653.21)
Europe Subtotal                                                       (4,653.21

我感兴趣的数据是标识符（在我的 Excel 中，它位于 B 列和 C 列中，并且它们已合并）和总计（G 列）。这里的挑战是这种格式有点不规则并且带有小计线。我能想到的一种方法是使用 read_excel 通过 Pandas 读取此内容，然后遍历行并只考虑填充 B&C 和 G 列的行，但不确定如何处理这种情况headers加上合并的单元格。这种方法也很丑陋，所以我想知道是否有人在 Excel 中也有解析类似报告的经验。

Answer 1

有大量模块可用于解析 excel 文件。这方面的一个例子是（我个人最喜欢的）openpyxl 模块。一些示例语法：

wb = openpyxl.load_workbook('example.xlsx') # opens an excel workbook

wb.get_sheet_names() # get sheet names哈哈

'Cell ' + c.coordinate + ' is ' + c.value # getting value of one 单元格

openpyxl 有大量的函数可以解析来自 excel 个文件的数据。您应该能够在这里找到实现目标的简单方法。

这里有一些很好的资源站点：

https://automatetheboringstuff.com/chapter12/

https://openpyxl.readthedocs.org/en/latest/

编码愉快！祝你好运！

Answer 2

我可能会这样处理。当然，它不会在所有数据修改情况下都有效，但它似乎适用于您提供的示例。

打算使用 pd.read_excel，然后跳过导入时的前几行，将它们移开。

In [1]: import pandas as pd

In [2]: df = pd.read_excel("abc.xls", skiprows=4)

In [3]: df
Out[3]:
      Instrument Identifier  Quantity  Start       End    Total
0            NaN        NaN       NaN    NaN       NaN      NaN
1  North America        NaN       NaN    NaN       NaN      NaN
2            NaN        XYZ       100      0         0  1893.52
3  North America        NaN       NaN    NaN  Subtotal  1893.52
4            NaN        NaN       NaN    NaN       NaN      NaN
5         Europe        NaN       NaN    NaN       NaN      NaN
6            NaN        ABC        50     10        20  4653.21
7         Europe        NaN       NaN    NaN  Subtotal  4653.21

在这里，我将使用 fillna 方法的 ffill 参数在 Instruments 列中前向填充 NaN 值。

In [4]: df.Instrument.fillna(method="ffill", inplace=True)

In [5]: df
Out[5]:
      Instrument Identifier  Quantity  Start       End    Total
0            NaN        NaN       NaN    NaN       NaN      NaN
1  North America        NaN       NaN    NaN       NaN      NaN
2  North America        XYZ       100      0         0  1893.52
3  North America        NaN       NaN    NaN  Subtotal  1893.52
4  North America        NaN       NaN    NaN       NaN      NaN
5         Europe        NaN       NaN    NaN       NaN      NaN
6         Europe        ABC        50     10        20  4653.21
7         Europe        NaN       NaN    NaN  Subtotal  4653.21

现在只需过滤掉 Identifier 列中的空值。

In [6]: df[df.Identifier.notnull()]
Out[6]:
      Instrument Identifier  Quantity  Start End    Total
2  North America        XYZ       100      0   0  1893.52
6         Europe        ABC        50     10  20  4653.21

解析 Excel 报告

Parse Excel Report

python

pandas

report

import-from-excel