读取包含多个表格的 excel 表格,表格的标题具有非白色背景单元格颜色
Posted
技术标签:
【中文标题】读取包含多个表格的 excel 表格,表格的标题具有非白色背景单元格颜色【英文标题】:read excel sheet containing multiple tables, tables that have headers with a non white background cell color 【发布时间】:2020-01-19 02:47:56 【问题描述】:我有一个 excelsheet,同一张表上有多个表格。 这些表具有不同的列号和不同的行号。 不过好在表头有背景色,表格内容是白色背景。
我想知道是否可以使用 xlrd 或其他一些包将这些表中的每一个作为单独的数据框读取。
现在想到的方法很长,可能并不理想。
例如:
import xlrd
book = xlrd.open_workbook("some.xls", formatting_info=True)
sheets = book.sheet_names()
for index, sh in enumerate(sheets):
sheet = book.sheet_by_index(index)
rows, cols = sheet.nrows, sheet.ncols
for row in range(rows):
for col in range(cols):
xfx = sheet.cell_xf_index(row, col)
xf = book.xf_list[xfx]
bgx = xf.background.pattern_colour_index
if bgx != 64:
Header_row = rownum
然后遍历这个 Header_row 并获取所有列值并将它们作为数据框列名。 然后继续解析第一列的行,直到遇到空白单元格或只有一个或两个非空单元格的行。
如您所见,这有点冗长,可能不是最佳方式。
感谢您在如何快速将所有故事提取为单独的数据框方面的帮助。
【问题讨论】:
尝试使用 pandas,在这里找到类似问题的答案:***.com/q/34184841/10003985 ***.com/a/17063653/5919632 【参考方案1】:我认为你的方法是正确的。只是把它放在一些函数中以提高清晰度。
大概是这样的:
import xlrd
# from typing import Dict
book = xlrd.open_workbook("some.xls", formatting_info=True)
def is_header(sheet, row, col, exclude_color=64):
xf_index = sheet.cell_xf_index(row, col)
bg_color = book.xf_list[xf_index].background.pattern_colour_index
return bg_color != 64
def parse_sheet(sheet):
"""Parse a sheet and retrieve data as dataframe"""
column_headers = dict() # type: Dict[int, str]
for row in range(sheet.nrows):
# We skip rows if first cell is not a header and has no value
# TODO: Remove if that skips line 13 as well
if not is_header(sheet, row, 0) and not sheet.cell_value(row, 0):
column_headers.clear()
continue
# Otherwise, we will populate the list of headers for column
# And we will parse other data
c_headers = [c for c in range(sheet.ncols) if is_header(sheet, row, c)]
if c_headers:
for col in c_headers:
column_headers[col] = sheet.cell_value(row, col)
else:
for col in range(sheet.ncols):
value = sheet.cell_value(row, col)
# TODO: Add data in the dataframe and use column headers
for index in range(book.sheet_names()):
parse_sheet(book.sheet_by_index(index))
【讨论】:
以上是关于读取包含多个表格的 excel 表格,表格的标题具有非白色背景单元格颜色的主要内容,如果未能解决你的问题,请参考以下文章
从excel表格读取数据用Java代码实现批量上传写入数据库
如何将一张包含多个表格的 Excel 文件拆分为单独的数据框?