Python办公自动化（十九）｜批量提取Excel数据

↑ 关注 + 星标 ，每天学Python新技能
后台回复【大礼包】送你Python自学大礼

今天我们来讲解一个比较简单的案例，使用openpyxl从Excel中提取指定的数据并生成新的文件，之后进一步批量自动化实现这个功能，通过本例可以学到的知识点:

• openpyxl模块的运用

• glob模块建立批处理

数据源：阿里云天池的电商婴儿数据（可自行搜索并下载，如果要完成进阶难度可直接将该数据Excel拷贝999次即可，当然这个拷贝可以交给代码来实现）

需求说明

初级难度：提取电商婴儿数据.xlsx中购买数buy_mount超过50的记录建立新的Excel表

最后形成如下的表格：

进阶难度：同一个文件夹下有1000份电商婴儿数据的Excel表格(命名为电商婴儿数据1.xlsx，电商婴儿数据2.xlsx至电商婴儿数据1000.xlsx)，需要提取所有表格中购买数buy_mount超过50的记录并汇总至一个新的Excel表

Python实现

让我们先完成初级难度的需求挑战，首先导入所需模块并打开数据表，注意

打开已经存在的Excel用load_workbook，创建新的Excel用Workbook

from openpyxl import load_workbook, Workbook# 数据所在的文件夹目录path = 'C:/Users/xxxxxx'# 打开电商婴儿数据工作簿workbook = load_workbook(path + '/' + '电商婴儿数据.xlsx')# 打开工作表sheet = workbook.active

接下来筛选符合条件的行

buy_mount = sheet['F']row_lst = []for cell in buy_mount:    if isinstance(cell.value, int) and cell.value > 50:        print(cell.row)        row_lst.append(cell.row)

这一步本质上就是对购买数的各个单元格进行判断，如果数值超过50就将其行号放入一个空列表中，间接完成了筛出符合条件的行。注意这一列有可能有的单元格cell的值value不是数值类型，因此需要用isinstance()进行判断，当然也可以将单元格的值先用int()转为整型再判断。

筛选出符合条件的行号就可以提取行并且放入新的Excel中了，因此需要先创建新的工作簿，现在创建新的工作簿写入符合条件的行，思路是根据行号获取到指定行后，遍历所有单元格的值组装成一个列表，用sheet.append()写入新表

new_workbook = Workbook()new_sheet = new_workbook.active# 创建和 电商婴儿数据 一样的表头（第一行）header = sheet[1]header_lst = []for cell in header:    header_lst.append(cell.value)new_sheet.append(header_lst)# 从旧表中根据行号提取符合条件的行，并遍历单元格获取值，以列表形式写入新表for row in row_lst:    data_lst = []    for cell in sheet[row]:        data_lst.append(cell.value)    new_sheet.append(data_lst)# 最后切记保存new_workbook.save(path + '/' + '符合筛选条件的新表.xlsx')

初级难度的需求已经成功完成，至此我们已经学会从单个表中提取需要的行并且放到新的表格里。有的人可能会说了：一个表格的筛选可以直接用Excel中的 筛选 来完成，不需要用代码写这么复杂，还难以理解。因此就有了进阶需求。现在需要完成的工作变成，获取1000个表格中所有符合条件的行并汇总成一个新表。如果是手动操作的行，需要打开每个表格，然后一通筛选操作后，将所有满足条件的行都复制到新表，并且执行上述操作1000次！

**这显然不现实，**而如果你已经理解初级需求的思路，那么只需要加上几行代码，就可以完成进阶需求。所需要的模块是glob。批处理的大概代码框架如下：

import glob# 1000份数据所在的文件夹目录path = 'C:/Users/xxxxxx'for file in glob.glob(path + '/*'):    pass

如果需要遍历特定类型的文件可以限定后缀，以xlsx后缀的Excel文件为例

for file in glob.glob(path + '/*.xlsx'):    pass

最后只需要将上面写好的针对单个文件的代码放到循环体内部，且load_workbook的路径变成循环出的每一个xlsx文件的绝对路径。当然，还需要想清楚有些代码不能在循环体里重复被执行，如创建新表和给新表添加表头，创建新表放在循环体外就可以，添加表头可以用一个单独的变量来判断这个操作是否已经被执行。完整代码如下：

from openpyxl import load_workbook, Workbookimport globpath = 'C:/Users/xxxxxx'new_workbook = Workbook()new_sheet = new_workbook.active# 用flag变量明确新表是否已经添加了表头，只要添加过一次就无须重复再添加flag = 0for file in glob.glob(path + '/*.xlsx'):    workbook = load_workbook(file)    sheet = workbook.active        buy_mount = sheet['F']    row_lst = []    for cell in buy_mount:        if isinstance(cell.value, int) and cell.value > 50:            print(cell.row)            row_lst.append(cell.row)        if not flag:        header = sheet[1]        header_lst = []        for cell in header:            header_lst.append(cell.value)        new_sheet.append(header_lst)        flag = 1        for row in row_lst:        data_lst = []        for cell in sheet[row]:            data_lst.append(cell.value)        new_sheet.append(data_lst)new_workbook.save(path + '/' + '符合筛选条件的新表.xlsx')

小结

以上就是使用Python实现批量从Excel中提取指定数据的全部过程和代码，如果你也有相关需求，稍作修改即可使用。其实如果你仔细思考会发现这个需求使用pandas会以更简洁的代码实现，但是由于我们之后的Python办公自动化案例中会频繁使用openpyxl，并且在操作Excel时有更多的功能，因此在之后我们将主要讲解如何使用这个openpyxl实现。最后还是希望大家能够理解Python办公自动化的一个核心就是批量操作-解放双手，让复杂的工作自动化！

-------------------********************************** End **********-------------**-----********-**********************************

1               推荐阅读
2       
3              
4              
5              
6     
7            
8            
9            
10    
11           
12           
13           
14 
15        
16        
17            
18           
19           
20           
21     
22            
23            
24            
25      
26             
27             
28             
29       
30              
31              
32              
33        
34               
35               
36               
37         
38                
39                
40                 
41                  
42                   
43                    
44                     
45                                    
46                      
47                      
48                      
49                
50                       
51                       
52                       PanDownload复活了！60MB/s！
53                
54                       
55                       
56                       B站疯传，堪称最强，一整套编程资料！
57                
58                       
59                       
60                       一次登录，终身免费：GitHub宣布向所有人免费开放所有核心功能
61               
62                      
63                      
64                      
65               
66                      
67                      
68                      
69                
70                       
71                       
72                       
73                 
74                        
75                        
76                        
77                  
78                         
79                         
80                         
81                   
82                          
83                          
84                          
85                    
86                           
87                           
88                            
89                             
90                              
91                               
92                                
93                                 
94                                  
95                                   
96                                   推荐我的微信号 
97                                   来围观我的朋友圈，我的经验分享，技术更新，不定期送书，坑位有限，速速扫码添加备注：开发方向_昵称_城市，另送你10本Python电子书， 
98                                    
99                                   
100                                  
101                                 
102                                
103                               
104                              
105                             
106                           
107                   
108                          
109                          
110                          
111                  
112                         
113                         
114                         
115                 
116                        
117                        
118                        
119                
120                       
121                       
122                       
123               
124                      
125                      
126                       
127                     
128                    
129                   
130                  
131                
132        
133               
134               
135               
136       
137              
138              
139              
140      
141             
142             
143             
144     
145            
146            
147            
148    
149           
150           
151           
152 
153        
154        
155        
156  
157         
158         
159             
160           
161           
162           
163     
164            
165            
166            
167      
168             
169             
170                     
171               
172               
173               
174         
175                
176                
177                
178        
179               
180               
181               
182        
183               
184               
185               
186         
187                
188                
189                
190        
191               
192               
193               
194     
195            
196            
197            
198    
199           
200           
201           
202 
203        
204        
205        

本文分享自微信公众号 - Python绿色通道（Python_channel）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。