python拆分

‘壹’ 自学python:根据条件拆分excel表格

下面这个表格里有很多种类的水果，想要根据水果种类分成多个表格，每个表格单独显示一个种类的水果。

使用下面的语句：

import xlwings as xw

import pandas as pd

app = xw.App(visible =True, add_book =False)

workbook = app.books.open('e:\\table\\工作表.xlsx')

worksheet = workbook.sheets['统计表']

value = worksheet.range('A1').options(pd.DataFrame, header =1, index =False, expand ='table').value

data = value.groupby('种类')# 将数据按照“种类”分组

for idx, groupin data:

   new_worksheet = workbook.sheets.add(idx)# 在工作簿中新增工作表并命名为当前的产品名称

    new_worksheet['A1'].options(index =False).value = group# 将数据添加到新增的工作表

workbook.save()

workbook.close()

app.quit()

执行结果如下图：

成功分成了3个表格。

________________END______________

‘贰’ Python 数组分割

arr=[1,2,3,6,1,6,8,1,9,7,5,1]
coor,res=[],[]
i=j=count=0
foridx,numinenumerate(arr):
	ifnum==1:
		ifi==j:
			i=idx
		else:
			ifi<j:
				i=idx
			else:
				j=idx
	coor.append((i,j)ifi<jelse(j,i))

forcrinsorted(set(coor)-{(0,0)}):
	res.append(arr[cr[0]:cr[1]+1])
print(res)

如果你用的Python2就把最后的print的括号去掉就行，Python3的话就不用

用另外一种方法弄了一下，可能更直观些，附上如下

arr=[1,2,3,6,1,6,8,1,9,7,5,1]
coor,res=[],[]
i=j=0
idx=1
whileidx<len(arr):
	whilearr[idx]!=1:
		idx+=1
	ifi==j:
		i=idx
	else:
		ifi<j:
			i=idx
		else:
			j=idx
	idx+=1
	coor.append((i,j)ifi<jelse(j,i))
forcrincoor:
	res.append(arr[cr[0]:cr[1]+1])
print(res)

你随便选一种就好，不过推荐后面的这种

‘叁’ Python 拆分excel表内所有合并单元格

import openpyxl

from openpyxl.styles import  PatternFill

workbook = openpyxl.load_workbook(r'C:\Users\Administrator\Desktop\user_info_format1.xlsx')  # 加载已经存在的excel

name_list = workbook.sheetnames #获取所有的sheet表名

worksheet = workbook[name_list[0]]

fill = PatternFill("solid", fgColor="FF0000") #设置填充样式

m_list = worksheet.merged_cells  # 合并单元格的位置信息，可迭代对象（单个是一个'openpyxl.worksheet.cell_range.CellRange'对象），print后就是excel坐标信息

cr = []

for m_area in m_list:

    # 合并单元格的起始行坐标、终止行坐标。。。。，

    r1, r2, c1, c2 = m_area.min_row, m_area.max_row, m_area.min_col, m_area.max_col

    # 纵向合并单元格的位置信息提取出

    if r2 - r1 > 0 or c2 - c1 > 0:

        cr.append((r1, r2, c1, c2))

        print('符合条件%s' % str(m_area))

#print(cr)

# 这里注意需要把合并单元格的信息提取出再拆分

for r in cr:

    worksheet.unmerge_cells(start_row=r[0], end_row=r[1],

                            start_column=r[2], end_column=r[3])

    if r[3]-r[2]==0:  #单独列合并

        for row  in  (range(r[0], r[1]+1)):

            worksheet.cell(row=row, column=r[3], value=worksheet.cell(r[0], r[2]).value)

            worksheet.cell(row, column=r[3]).fill = fill #将对应拆分单元格填充颜色

    elif  r[1]-r[0]==0 :  #单独行合并

        for column  in  (range(r[2], r[3]+1)):

            worksheet.cell(row=r[1], column=column, value=worksheet.cell(r[0], r[2]).value)

            worksheet.cell(row=r[0], column=column).fill = fill #将对应拆分单元格填充颜色

    else :  #多行、列合并

        for row  in  (range(r[0], r[1]+1)): 

            for column  in  (range(r[2], r[3]+1)):

                worksheet.cell(row, column, value=worksheet.cell(r[0], r[2]).value)

                worksheet.cell(row, column).fill=fill #将对应拆分单元格填充颜色

workbook.save(r'C:\Users\Administrator\Desktop\data25.xlsx') #另存为新表

‘肆’ python数组分割

functionname= lambda anylist, n: [anylist[i * 3:(i + 1) * 3] for i in range(len(anylist)//n+1 if len(anylist)%n else len(anylist)//n)]

print(functionname(a, 3))
可以按任意长度切分

‘伍’ python怎么把每个while分开

while语句执行的具体流程为：
1、判断条件表达式的值，其值为真（True）时，则执行代码块中的语句，当执行完毕后。
2、再回过头来重新判断条件表达式的值是否为真，若仍为真，则继续重新执行代码块。
3、如此循环，直到条件表达式的值为假（False），才终止循环。

‘陆’ Python数据处理：筛选、统计、连表、拼接、拆分、缺失值处理

file1_path ='E:/Users/lenovo/Desktop/中视/622召回.csv' # 源数据

格式：file1=pd.read_csv(file1_path)

pd.read_csv(file1_path,encoding='gbk')

pd.read_csv(file1_path,encoding='gbk',skiprows=[2,3])

pd.read_csv(file1_path,encoding='gbk',skiprows=lambda x:x%2==1)

pd.read_csv(file1_path,encoding='gbk',keep_default_na=False)

new=pd.DataFrame()

new.new[[0,1,2]]

new.new[0:2]

查询结果同上

new.loc[new['激活数']>1000]

loc和iloc的区别：

     loc：纯标签筛选

     iloc：纯数字筛选

#筛选出new的某两列

new=new.loc[:,['phone','收件人姓名']]

#筛选new的第0，1列

new.iloc[:,[0,1]]

使用‘==’筛选-筛查“崔旭”的人（只能筛查指定明确的）

#new=file1.loc[(file1['收件人姓名']=='崔旭')|(file1['收件人姓名']=='崔霞')]

#print(new)

#使用loc函数筛选-str.contains函数-筛查名字中包含'亮'和'海'的人

#new=file1.loc[file1['收件人姓名'].str.contains('亮|海')]

#print(new)

#使用loc函数筛选-str.contains函数-筛查'崔'姓的人

#new=file1.loc[file1['收件人姓名'].str.startswitch('崔')]

#print(new)

df = df[(df['DEPOSIT_PAY_TIME_x'] .notnull() ) & (df['DEPOSIT_PAY_TIME_x'] != "" )]

print("ring_time(number)=0的个数：",newdata[newdata['ring_time(number)'] ==0].count()['ring_time(number)'])

print("ring_time(number)=1,2,3的个数：",newdata[(newdata['ring_time(number)'] >0) & (newdata['ring_time(number)'] <4)].count()['ring_time(number)'])

print(newdata[newdata['ring_time(number)'] ==0])

newdata[newdata['Team']. isin (['England','Italy','Russia'])][['Team','Shooting Accuracy']]

df.年龄.value_counts()

1.修改指定位置数据的值（修改第0行，’创建订单数‘列的值为3836）

new.loc[0,'创建订单数']=3836

2.替换‘小明’-‘xiaoming’

df.replace({'name':{'小明':'xiaoming'}})

3.批量替换某一列的值（把‘性别’列里的男-male，女-felmale）

方法一：df['性别']=df['性别'].map({'男':'male','女':'female'})

方法二：df['性别'].replace('female','女',inplace=True)

               或df['性别']=df['性别'].replace('female','女')                这就是inplace的作用

                +df['性别'].replace('male','男',inplace=True)

4.替换列索引

df.columns=['sex','name','height','age']

或者：df.rename(columns={'性别':'sex','姓名':'name','身高':'height','年龄':'age'})

5.删除某一列

del df['player']

6. 删除某一列（方法二），删除某一行（默认axis=0删除行，为1则删除列）

删除某一列（方法二）

df.drop('性别',axis=1)

删除某一行

df.drop(1,axis=0)

file1=pd.read_csv(file1_path)

file2=pd.read_csv(file2_path)

new1=pd.DataFrame()

new1['phone']=file1['phone']

new1['contact_time']=file1['contact_time']

new2=pd.DataFrame()

new2['phone']=file2['phone']

new2['submission_audit_time']=file2['提交审核时间']

newdata=pd.merge(new1,new2,on='phone',how='left')

df=pd.concat([df1,df2],axis=0)

4.2.2 横向表连接

df=pd.concat([df1,df2],axis=1)

df1['地区'].str.split('·',3,expand=True)

df1:

df1[['城市', '城区','地址']] = df1['地区'].str.split('·', 3, expand = True)

5.1 缺失值删除

data.dropna(axis=0,subset = ["Age", "Sex"])   # 丢弃‘Age’和‘Sex’这两列中有缺失值的行

data.dropna(how = 'all')    # 传入这个参数后将只丢弃全为缺失值的那些行

data.dropna(axis = 1)       # 丢弃有缺失值的列（一般不会这么做，这样会删掉一个特征）

data.dropna(axis=1,how="all")   # 丢弃全为缺失值的那些列

5.2 缺失值填充：pandas.DataFrame.fillna()函数

DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)

功能：使用指定方法填充NA/NaN值

其中inplace=True就是直接在原有基础上填满

5.3 缺失值查询：

缺失值数量查询：df.isnull().sum()

缺失值行查询：df[df.isnull().T.any()]

newdata['ring_time']=pd.to_datetime(newdata['submission_audit_time'])-pd.to_datetime(newdata['contact_time'])

newdata['ring_time(number)']=(pd.to_datetime(newdata['submission_audit_time'])-pd.to_datetime(newdata['contact_time'])).apply(lambda x: x.days)

new=pd.DataFrame()

new=newdata[newdata['ring_time(number)'] ==0]

new.to_csv(save_path,encoding='utf-8-sig')

将数据按行拆分并存储到不同的csv文件中：

path='C:/Users/EDZ/Desktop/工作/2021.08.19/'

for i in range(0,30):

    df.loc[[i]].to_csv(path+str(i)+'.csv',encoding='gbk')

df = df[['购药日期', '星期','社保卡号','商品编码', '商品名称', '销售数量', '应收金额', '实收金额' ]]

‘柒’ python如何拆分含有多种分隔符的字符串

通过re.split()方法，一次性拆分所有字符串
import re
def go_split(s, symbol):
# 拼接正则表达式
symbol = "[" + symbol + "]+"
# 一次性分割字符串
result = re.split(symbol, s)
# 去除空字符
return [x for x in result if x]
if __name__ == "__main__":
# 定义初始字符串
s = '12;;7.osjd;.jshdjdknx+'
# 定义分隔符
symbol = ';./+'
result = go_split(s, symbol)
print(result)

‘捌’ 如何将一个数字拆分成多个数字之和Python

将一个数字拆分成多个数字之和Python可以理解为一个整数的分箱问题。
所以我们定义一个长度为四的数组，每个数组最大能取到4，所以想到5进制，开始循环遍历，四个元素之和等于4即满足条件。
所以在写程序的时候把满足相加等于4的元素，把含有0的全部弹出来，之后再出重就得到答案了。

‘玖’ python中怎么拆分一行内多列数据成多行

1、两个数据变成两行：先在该列后面插入一列——选该列——菜单栏——数据——分列——分隔符号——下一步——分号（勾选）——完成。其它该行的数据同时复制变成两行：复制~插入复制单元格。2、对应把表2中的部分列复制到表1中：在表1的某一列第1行输入=VLOOKUP($A1,表2!$A:$Z,COLUMN(A1),)回车并向右和向下填充。