正文
python批量生成函数 python批量生成变量
提示：扫一扫查出行【扫一扫了解最新限行尾号】
复制提示
python如何将excel表格数据一键变成代码
Python批量处理excel数据（含完整代码）
pandas库可以有效python批量生成函数的处理excel、csv和txt文件，并能多格式将数据重新保存为excel、csv和txt文件。
1
1
一、导入数据
利用pandas库中python批量生成函数的read函数可以将excel文件读入，转化为 DataFrame格式
import pandas as pd
path = "D:\text.xlsx" ##文件路径
data = pd.read_excel(path,sheet_name = 0) ##若包含多个子表，可以用sheet_name参参数进行选择
若excel表中不包含列名信息可以在读入时，利用names参数进行指定
data = pd.read_excel(path,names=["id","name","date"])
对于csv文件可以使用pd.read_csv函数进行数据导入
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
二、空表创建
当输出表格和输入表格的格式不一致时，我们可以通过创建空表来解决问题，新的DataFrame表格的数据可以为空，但是必须设置列名，也就是表头
##利用list创建表头
header = ["name","date"，"a","b"]
##创建空表
outData = pd.DataFrame(columns=header)
1
2
3
4
5
6
7
1
2
3
4
5
6
7
三、数据增删查改
1.数据查改
利用loc和iloc函数可以对DataFrame 数据表中的数据进行查改，loc使用行名和列名进行调用，iloc使用行列索引进行调用
propoLoc = data.loc["index", "proportion"]
propoIloc = data.loc[0, 0]
data.iloc[:, 5:] = data.iloc[:, 5:].astype(int) ##利用索引可以对数据进行批量处理，此句指令用于将表格第五列至最后一列的格式转化为整型int
2.数据增删
利用drop函数可以删除指定行列，利用loc或insert函数可以增加列，loc用来增加行
data.drop(index=[0], inplace=True) ##删除行名为0的行
data.drop(columns=[0], inplace=True，axis=1) ##删除列名为0的列
data.loc[str(csvName)] = rowData ##增加行名为csvName的行，注意rowData要保证和data的列数一致
data.loc[:,str(csvName)] = 0 ##增加列名为csvName的列，用0填充该列
data.insert(data.shape[1], 'd', 0) ##在data.shape[1]处增加列，并用0填充
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
四、批量处理
首先利用os库对文件夹进行遍历，获得所有的excel文件
import os
excelNames = os.listdir(rootPath) ##获得所有的文件名
for excelName in excelNames:
##对每个文件进行处理
1
2
3
4
5
6
7
1
2
3
4
5
6
7
五、常用的数据处理方法
1.字符串分割 str.split(",") 用逗号进行分割，并创建一个list进行存储
2.str.endswith("hello") 判断字符串的后缀
1
2
1
2
六、表格存储
1.单表存储python批量生成函数：将一个sheet放入到一个excel中
saveFile = rootPath+"test.xlsx" ##指定保存文件，注意反复保存时，excel不要打开，否则无法写入
rootData.to_excel(saveFile,index=False) ##保存指定，并不保存行名
2.多表存储：将多个sheet放入到一个excel中
with pd.ExcelWriter('./dataOut.xlsx') as writer:
DFa.to_excel(writer, sheet_name="表1")
DFb.to_excel(writer, sheet_name="表2")
DFc.to_excel(writer, sheet_name="表3")
writer.save()
writer.close()
批量表格处理完整代码：将多张表的信息进行汇总
import os
import pandas as pd
rootPath = "C:\test\"
def createOutCsv(path):
data = pd.read_excel(path, names=["column1", "column2", "column3"])
data.drop(index=[0], inplace=True)
header = ["name"] ###创建表头
for index in data.index: ##利用data中的所有column1创建表头
column = data.loc[index,"name"].split(".")[-1]
header.append(column
相关问答
Q1: 如何用python对批量的inp文件进行计算（在abaqus中）？
实话说，这个getSequenceFromMask(...)没有什么用。这里的‘#1’是abaqus cae内部的一种编号。不便记忆，而且在你添加feature改变geometry的时候，边的编号可能会改变。 建议你用findAt函数，按照空间坐标找边。这样更有逻辑性。
Q2: 2019-05-30 Python+Jinja2+yaml 批量生成配置
目前来看，Python+yaml+Jinja2是非常方便生成批量配置的组合，在运维工作中用于批量生成设备的基础配置。
这里我的案例是配置一批交换机，基础配置不同的地方有：loopback地址（IPV4和IPV6），设备名称，ISIS网络号，至于其他互联地址什么的因为情况比较复杂，还是手工做吧。
那么思路就有了。
1、生成yaml文件，类似于下面结构：
这里说明一下，loopback地址的V4网段是先规划好的，V6地址和ISIS网络号通过一定规则根据V4地址生成，这个yaml文件可以通过读取excel文件，按照算法生成yaml文件，这个在其他文章里再写。
2、读取yaml文件，生成一个由字典组成的列表。每个字典的信息就包含了每台设备需要的变量。
3、写一个函数，遍历列表里的字典，每读取一个字典，把其中变量取出来放进一个临时字典，渲染jinja2的模板，对每个字典输出不同的配置文件。这个临时字典每读取一次就清空，重新写入变量。
有一些细节比如文档取名，时间函数等要调用一些模块，总结一下涉及的知识点，有：yaml模块，jinja2模块，os模块，日期函数，条件循环，I/O操作。
附上python脚本：
模板文件放在‘templates’目录下，否则会报错找不到文件。
python新手，有不合理的地方请高手指点。
Q3: python处理图片数据？
生成一张纯色的图片
先设置图片的颜色，接着利用Image模块的new方法新生成一张图片，png格式的图片需要设置成rgba，类似的还有rgb，L(灰度图等)，尺寸设定为640，480，这个可以根据自己的情况设定，颜色同样如此。
批量生成图片
上面生成了一张图片，那要生成十张图片呢，这种步骤一样，只是颜色改变的，利用循环就可以解决。首先创建一个颜色列表，把要生成的图片颜色放进去。接着循环获取不同的颜色，保存的时候利用字符串拼接的方法改变图片的名字。
本地生成的图片
封装成函数
前面的方法已经可以批量生成图片了，为了通用性强一点，我们可以封装成函数，把哪些可以改变的参数单独抽离出来。尺寸也同样，使用的时候，可以根据自己的需要定义颜色列表和尺寸。当然还有加一些提示用语和报错兼容性，这里就不讲了。
本地生成的图片
关于python批量生成函数和python批量生成变量的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。
