在 2016 年的 Build 大會上，微軟宣布全球有 12 億人在使用 Excel，而在同一年，全球的人口為 74 億。也就是說，使用 Excel 的人占全球人口的 16.2%。

2019 年的一份報告（ https://slashdata-website-cms.s3.amazonaws.com/sample_reports/ZAamt00SbUZKwB9j.pdf ）顯示，Python 擁有 820 萬活躍開發者，占全球人口的 0.001%。

從這些數據可以看出，增強 Excel 和 Python 之間的交互性對我們是有好處的，這為更多人打開了一扇使用 Python 工具的大門。 Python 在 Excel 前端方面的機會是巨大的。在本文中，我們將分享如何實現一個“典型的”財務 Excel 表格。

先工具，后 Excel

在幾乎所有我能想到的場景中，通常是先寫 Python 代碼，不過必須要保持數據“輸入”格式的靈活性。

改變輸入數據集格式不應該影響到代碼 假設我們使用 Pandas 讀取一個或兩個 CSV/Excel 表格，可能會依賴一組給定的列名。 如果有數千行這樣的代碼，我們就依賴了很多硬編碼的列名，當我們試圖使用 Excel 動態輸入列名時，就會遇到問題。 因此，在最初的原型設計階段，在還沒有使用 Excel 工作表時，可以在代碼里將列名和內部標簽名映射起來：

mappings = {'loan identifier': 'loan_id', 'amt': 'amount', ... 'init fees': 'initial_fees'} data.rename(mappings, axis=1, inplace=True)

稍后，這種映射將被 Excel 工作表取代。

Excel 前端

等到 Python 初具模型，就可以開始構建 Excel 前端了。首先，我們要確定哪些變量可以放在 Excel 工作表中。 在開發這類工具時，一般都是要假設輸入數據的格式是會變的。

這點要么很重要，要么不那么重要，具體取決于你所在的工作環境以及你要開發什么樣的工具。有些工作流程定義得比較好，數據格式不太可能會發生變化。

但是，我總是會傾向于保持謹慎，希望通過 Excel 來增加靈活性，但要注意不要將事情復雜化。

使用 Excel 將 Python 內部列名與外部 CSV/Excel 列名映射起來 使用內部命名系統并允許 Excel 用戶指定列映射，這是保持靈活性的一個很好的例子。現在，Excel 用戶不再依賴于硬編碼的列名，他們可以在不修改 Python 代碼的情況下調整列映射。

映射

mappings 是集成的核心部分，它的內容來自 Excel 中的一張表（我通常會叫它 Mapping）。 要得到 mappings，我們需要一個函數來讀取 Excel。為此，我們使用了 openpyxl。 我們可以這樣讀取 Excel 中的單元格：

import openpyxl # 加載工作簿 wb = openpyxl.load_workbook("sheet.xlsx", data_only=True) # 創建工作簿對象 ws = wb.active # 獲取單元格 E4 的值 value = ws['E4'].value

我們可以通過這種方式得到 mappings。我們將代碼稍作調整，添加 Excel 工作簿“tool_setup.xlsx”本地路徑。 我們還要假設 Excel 的當前工作表可能不是我們想要的那個，而且可能會新增、被刪除或被移動，所以我們需要通過遍歷找到目標工作表的索引位置：

# 首先，我們設置 Excel 文件的路徑 path = r".documentstool_setup.xlsx" # 加載文件，創建工作簿對象 wb = openpyxl.load_workbook(path, data_only=True) # 找到目標工作表的索引 idx = [i for i, name in wb.sheetnames if name == 'Mapping'][0] # 將目標工作表設置為當前工作表 wb.active = idx ws = wb.active

現在，我們可以填充 mappings 內容了 ：

mappings = {} mappings['Amount'] = ws["E4"].value mappings['Term'] = ws["E5"].value

保持靈活性

如果工作表里添加了新行或者把舊行刪除，有可能會得到一個不正確的 mappings。為了避免這種情況，我們需要 search_col 函數，它會遍歷查找每個單元格，直到找到包含我們想要的值（或超過 limit 限制）的單元格。

# 定義一個函數，用于查找 openpyxl 工作簿對象中的給定列 def search_col(sheet, column, value, limit=100): # 從 1 開始，逐行查找，直到達到 limit 限制 for row in range(1, limit+1): if sheet[f"column{row}"].value == value: # 找到想要的單元格，返回單元格的列和行 return (col, row)

search_col 返回我們想要的數據的列和行。

如果沒處理好，哪怕是在工作表里添加一個注釋也會讓工具不可用。左邊的“Internal”在第 12 行，而右邊是第 14 行。 我們可以像下面這樣找到“Internal”的單元格位置：

search_col(ws, 'B', 'Internal') [Out]: ('B', 12)

接下來，我們通過循環往 mappings 添加其他列映射。在遇到兩個或者更多個空的單元格后，我們就知道映射內容已經全部讀取完畢，就可以結束循環了：

empty = 0 # 初始化空單元格數量 while empty < 2: # 增加行計數 row += 1 # 賦值 internal = ws[f'B{row}'].value if internal is None: empty += 1 # 遇到空單元格就增加空單元格計數 else: # 加入 mappings mappings[internal] = ws[f'D{row}'].value empty = 0 # also re-initialize the empty counter

運行上面的代碼，就可以得到像下面這樣的 mappings：

{ 'Loan ID': 'loan identifier', 'Product': 'product type', ... 'Initial Fees': 'init fees' }

如果要引入其他變量，比如文件路徑（filepath），我們只需要找到包含“Filepath”的單元格，并把它的值賦給“filepath”：

row, _ = search_col(ws, 'C', 'Filepath') mappings['filepath'] = ws[f'D{row}].value

集成

最后一步，也是最容易的一步——在 Python 腳本中使用列名。 我們使用上面得到的 mappings，將輸入列名轉成內部標簽。

data = pd.read_csv(mappings['Filepath'])

在將輸入列名轉成內部標簽之前，我們必須翻轉鍵值對，即把鍵 - 值轉成值 - 鍵。

# 翻轉 inv_mappings = {mappings[key]: key for key in mappings}

對于這個簡單的例子，或許在構建 mappings 時就進行翻轉會更方便些。對于復雜一點的工具，我發現使用內部到外部的映射格式會更好。但不管怎樣，這一切取決于你自己。 最后，將輸入列名轉成內部標簽：

data.rename(inv_mappings, axis=1, inplace=True)

我們可以做得更靈活一些。為了處理不必要的空格或大小寫拼寫錯誤，我們重寫了一小部分代碼：

data = pd.read_csv(mappings['Filepath']) # 轉成小寫，剔除不必要的空格 data.rename({col: col.strip().lower() for col in data.columns}, axis=1, inplace=True) # inv_mappings 也是一樣 # 內部標簽使用蛇形命名方式 (不是必需的) inv_mappings = { mappings[key].strip().lower(): key.strip().lower().replace(' ', '_') for key in mappings } # 現在安全了 data.rename(inv_mappings, axis=1, inplace=True)

另外，我們在 Excel 中顯示內部標簽時通常會使用首字母大寫和正常空格，而在內部我個人還是選擇蛇形命名格式。

"Loan ID" -> "loan_id" "Initial Rate" -> "initial_rate"

結論

我曾見過無數家重度使用 Excel 的公司，這么做可以節省數百個小時用于檢查單元格、輸入值或等待 Excel 模型處理數據的時間。 盡管自動化和機器學習時代正在迅速地將 Excel 的很多領域自動化，但 Excel 不會很快就消失掉。 目前，世界上發展最快的編程語言（Python）和世界上使用最為廣泛的軟件（Excel）之間的緊密集成可以給很多行業帶來巨大收益。

※更多文章和資料|點擊后方文字直達 ↓↓↓ 100GPython自學資料包 阿里云K8s實戰手冊 [阿里云CDN排坑指南]CDN ECS運維指南 DevOps實踐手冊 Hadoop大數據實戰手冊 Knative云原生應用開發指南 OSS 運維實戰手冊 云原生架構白皮書 Zabbix企業級分布式監控系統源碼文檔 Linux&Python自學資料包 10G面試題戳領

總結

以上是生活随笔為你收集整理的csv python 逐行读取_从 Excel 到 Python的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。