将 openpyxl 数据传递给熊猫

Question

我将“全名”字段从 excel 文件的数据中拆分为“名字”、中间名和“姓氏”字段。我不知道如何在 pandas 中做到这一点，所以我转向openpyxl。我根据需要拆分了变量。但是，since adding columns to openpyxl for the new fields is not easy，我想我会将值传递给 pandas。

当我运行代码时，我正在生成我需要的数据框，但是一旦我将 df 发送到 ExcelWriter，只有最后一行被添加到 Excel 文件中。不过，数据位于正确的位置。

代码如下：

for cellObj in range(2, sheet.max_row+1):
    #print cellObj
    id = sheet['A' + str(cellObj)].value
    fullname = sheet['B' + str(cellObj)].value.strip()
    namelist = fullname.split(' ')  
    for i in namelist:
        firstname = namelist[0]
        if len(namelist) == 2:
            lastname = namelist[1]
            middlename = ''
        elif len(namelist) == 3:
            middlename = namelist[1]
            lastname = namelist[2]
        elif len(namelist) == 4:
            middlename = namelist[1]
            lastname = namelist[2] + " " + namelist[3]
        if (namelist[1] == 'Del') | (namelist[1] == 'El') | (namelist[1] == 'Van'):
            middlename = ''
            lastname = namelist[1] + " " + namelist[2]
    df = pd.DataFrame({'personID':id,'lastName':lastname,'firstName':firstname,'middleName':middlename}, index=[id])

    writer = pd.ExcelWriter('output.xlsx')
    df.to_excel(writer,'Sheet1', columns=['ID','lastName','firstName','middleName'])
    writer.save()

有什么想法吗？

谢谢

Answer 1

有几件事。首先，您的代码只会得到一行代码，因为您每次通过 if 测试时都会覆盖这些值。例如，

  if len(namelist) == 2:
        lastname = namelist[1]

这会将字符串分配给变量lastname。您没有附加到列表，您只是分配了一个字符串。然后，当您制作数据框时， df = pd.DataFrame({'personID':id,'lastName':lastname,... 你使用这个值，所以数据框只会保存那个字符串。有道理？如果您必须使用 openpyexcel 执行此操作，请尝试以下操作：

lastname = [] #create an empty list
if len(namelist) == 2:
    lastname.append(namelist[1]) #add the name to the list

但是，我认为，如果您弄清楚如何使用 pandas 做到这一点，您的生活最终会轻松得多。事实上，这很容易。试试这样的：

import pandas as pd
#read excel
df = pd.read_excel('myInputFilename.xlsx', encoding = 'utf8')
#write to excel
df.to_excel('MyOutputFile.xlsx')

Answer 2

FWIW openpyxl 2.4 使得将 Excel 工作表的全部或部分转换为 Pandas 数据框变得非常容易：ws.values 是工作表中所有值的迭代器。它还有一个新的ws.iter_cols() 方法，可以让您直接使用列。

目前（2016 年 4 月）提供 alpha 版本，可以使用 pip install -U --pre openpyxl 进行安装

代码看起来有点像这样：

sheet["B1"] = "firstName"
sheet["C1"] = "middleName"
sheet["D1"] = "lastName"

for row in sheet.iter_rows(min_row=2, max_col=2):
    id_cell, name = row

    fullname = name.value.strip()
    namelist = fullname.split()
    firstname = namelist[0]
    lastname = namelist[-1]
    middlename = ""
    if len(namelist) >= 3:
        middlename = namelist[1]
    if len(namelist) == 4:
        lastname = " ".join(namelist[-2:])
    if middlename in ('Del', 'El', 'Van', 'Da'):
        lastname = " ".join([middlename, lastname])
        middlename = None

    name.value = firstname
    name.offset(column=1).value = middlename
    name.offset(column=2).value = lastname

wb.save("output.xlsx")