Python读取Excel文件中指定的列数并生成CSV文件

2023-10-21 02:01

本文主要是介绍Python读取Excel文件中指定的列数并生成CSV文件,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

0x00 安装Pandas和OpenPyXL

pip install pandaspip install openpyxl

0x01 Encoding

import os
import pandas as pd
import openpyxl
from openpyxl import load_workbook
import csvdef write_dict_to_csv(dict_data, fileName):df = pd.DataFrame.from_dict(dict_data)# 将DataFrame写入CSV文件df.to_csv(fileName, index=False)def writeCSV(dict_data, fileName):# 打开CSV文件with open(fileName, 'w', newline='') as file:writer = csv.writer(file)# writer.writerow(["key", "value"])print("====================================")# 工况点字典msgPoints_dict = {}msgPoints_num = 51# 遍历字典for key, value in dict_data.items():print(value)# writer.writerow(value)if isinstance(value, list):for item in value:# 若表格数据为空则过滤掉if isinstance(item, str) and item.startswith('EP') and item is not None:msgPoints_dict[msgPoints_num] = value# writer.writerow(value)msgPoints_num = msgPoints_num + 1print("msgPoints_dict_size: " + str(len(msgPoints_dict)))for key, value in msgPoints_dict.items():print(key, value, end="\n")# 检查键值是否以"EP"开头if isinstance(value, list) and value and isinstance(value[2], str) and value[2].startswith("EP"):# print(value)tmp_list = [str(key)]tmp_list.extend(value)# 写入CSV文件# writer.writerow([key, item])writer.writerow(tmp_list)passdef main():print("=== Read Excel ===")fileName = './doc/data.xlsx'# 字典类型dict_data = {}if os.path.exists(fileName):# 当前活跃的Sheel页wb = load_workbook(fileName)print(wb.active)shell = wb.active# print(ws['B7'].value)# print(ws.cell(7, 2).value)# rows = ws.rows# print(rows)columns_to_print = ['B', 'F', 'O']index = 1for row in shell.iter_rows():tmp_list = []for col_idx, cell in enumerate(row, start=1):column_letter = openpyxl.utils.get_column_letter(col_idx)if column_letter in columns_to_print:tmp_list.append(cell.value)# print(cell.value)dict_data[index] = tmp_listindex = index + 1writeCSV(dict_data, "output.csv")# write_dict_to_csv(dict_data, "msg_points.csv")passif __name__ == "__main__":main()

这篇关于Python读取Excel文件中指定的列数并生成CSV文件的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/251191

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

AI一键生成 PPT

AI一键生成 PPT 操作步骤 作为一名打工人,是不是经常需要制作各种PPT来分享我的生活和想法。但是,你们知道,有时候灵感来了,时间却不够用了!😩直到我发现了Kimi AI——一个能够自动生成PPT的神奇助手!🌟 什么是Kimi? 一款月之暗面科技有限公司开发的AI办公工具,帮助用户快速生成高质量的演示文稿。 无论你是职场人士、学生还是教师,Kimi都能够为你的办公文

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

poj 1258 Agri-Net(最小生成树模板代码)

感觉用这题来当模板更适合。 题意就是给你邻接矩阵求最小生成树啦。~ prim代码:效率很高。172k...0ms。 #include<stdio.h>#include<algorithm>using namespace std;const int MaxN = 101;const int INF = 0x3f3f3f3f;int g[MaxN][MaxN];int n

poj 1287 Networking(prim or kruscal最小生成树)

题意给你点与点间距离,求最小生成树。 注意点是,两点之间可能有不同的路,输入的时候选择最小的,和之前有道最短路WA的题目类似。 prim代码: #include<stdio.h>const int MaxN = 51;const int INF = 0x3f3f3f3f;int g[MaxN][MaxN];int P;int prim(){bool vis[MaxN];

poj 2349 Arctic Network uva 10369(prim or kruscal最小生成树)

题目很麻烦,因为不熟悉最小生成树的算法调试了好久。 感觉网上的题目解释都没说得很清楚,不适合新手。自己写一个。 题意:给你点的坐标,然后两点间可以有两种方式来通信:第一种是卫星通信,第二种是无线电通信。 卫星通信:任何两个有卫星频道的点间都可以直接建立连接,与点间的距离无关; 无线电通信:两个点之间的距离不能超过D,无线电收发器的功率越大,D越大,越昂贵。 计算无线电收发器D

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

hdu 1102 uva 10397(最小生成树prim)

hdu 1102: 题意: 给一个邻接矩阵,给一些村庄间已经修的路,问最小生成树。 解析: 把已经修的路的权值改为0,套个prim()。 注意prim 最外层循坏为n-1。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstri

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言