xlsxwriter

有时候，我们在用Python处理数据后会产生多个结果（主要是DataFrame）。这时，我们可以根据自己的实际需求，把各个结果导出到不同的工作簿中，或者 把多个结果导出到同一个工作簿的不同工作表中 。面对这种需求，我们可以使用 ExcelWriter()函数 把多个结果导出到同一个工作簿的不同工作表中。具体思路如下： # 先加载数据 import pandas as pd df = pd.read_excel(r"C:\Users\QDM\Desktop\Python\1.xlsx") df # 聚合求和 df1 = df.groupby(["商品"])["销量"].sum() df1 # 聚合计数 df2 = df.groupby(["商品"])["销量"].count() df2 # 聚合求最大值 df3 = df.groupby(["商品"])["销量"].max() df3 # 声明一个读写对象 # Excelpath 为文件要存储的路径 writer = pd.ExcelWriter(r"C:\Users\QDM\Desktop\Python\excel.xlsx", engine = "xlsxwriter") # 分别将表df1,df2,df3写入到Excel工作簿中的Sheet1，Sheet2，Sheet3中 # 并命名为“一表”、“二表”、“三表” df1.to

背景 有很多朋友对Python处理excel很感兴趣，虽然我不是这方面的专家，如果用C# openxl 是分分钟搞定的事情，再次点用Npoi也行，Python则完全陌生。 目标 既然以学习为目标去完成这件事，那么就不必太复杂（复杂我也做不来），就假设我们是在做销售系统吧。如果不专业请轻喷。 一份Excel的产品单，一份客户单，一份订单，字段简单点。 从头开始生成 一，工具 既然使用Python，当然要介绍一下工具库： 主要有openpyxl、xlwt、xlrd、Pandas（这是真的可以）、xlsxwriter 先来分析对比一波 1、Openpyxl 优势：快速、高效地读写Excel，可控制大部分Excel元素，并且写入时可以贴入公式 劣势：对初学者非常不友好，属性超级多，并且按xml格式控制；再来样式只能定义一次，修改样式就得先复制一份再重新构造，工作量几何级上升 2、xlsxwriter 专门用于写数据的方法 优势：快速，可控制大部分样式，公式只能以字符串处理，写数据以xy定位或单元格命名为主 劣势：没有毒没有毒没有毒，所以，千万别用同一份excel文档进行处理（我就吃了这个亏，好好几十万条记录被清洗一空），暂时不知道怎么追加到原文档后添加新sheet 3、xlrd、xlwt 可读写的excel库 优势：基本上用来读excel数据，非常精准、数据类型清晰 劣势：写明显很慢

在B/S架构的系统测试中，有时需要通过导入excel文件来生成一些数据记录，当数据量小的时候，一般不会出现什么问题，而当导入的数据量巨大时，对系统的性能就是一个考验了。为了验证系统的性能，有时需要导入海量的数据，如30万条数据记录，而手头并没有这么多数据时该怎么办呢？一条一条复制粘贴，或者通过excel的下拉拖动来生成记录？这样会把测试人员累死，而且单调重复的工作，非常无趣。这时，我们只需借助python，便可以轻松生成大量数据，把人从单调重复的工作中解放出来，去做更有意义的事。 例如，我们需要生成如下的数据。 这是一条用户信息的示例数据，其中包含几种编号、姓名、性别、爱好、最喜欢的电影、音乐等信息，而其中只需校验A、I、L这三列的不同编号。其他数据在性能测试中不是很关心，那么我们可以利用规则生成一些数据，其中仅A、I、L三列不同，其他信息保持不变。 思路：先将表头和示例数据保存在一个示例文件中，通过xlrd来读取示例内容，通过xlsxwriter来按规则写入表头和不同的信息。 话不多说，我们直接上代码： 1 import xlrd 2 import xlsxwriter 3 # 文件名以及路径，前面加一个r防止生成不必要的转义。 4 filename=r ' D:\001\example.xlsx ' 5 data = xlrd.open_workbook(filename) 6

当工作碰到需要将几个excel合并时，比如一个表，收集每个人的个人信息，陆续收回来就是十几张甚至几十张表，少了还好解决，但是很多的话就不能一个一个去复制了，这时候就想到了python，Python大法好啊。短短100行代码解决，无论几十张，几百张表，瞬间搞定。 首先需要安装两个模块：xlrd(读取excel)，xlsxwriter(写入excel) pip install xlrd pip install xlsxwriter 安装好以后，直接上代码。如下： 1 # -*- coding: UTF-8 -*- 2 # Filename : Merge_excel.py 3 # author by : Awrrays 4 5 import xlrd,xlsxwriter 6 7 # 打开表格 8 def openxls(file): 9 try : 10 fx = xlrd.open_workbook(file) 11 return fx 12 except Exception as e: 13 print ( ' 读取文件错误，错误为:{0} ' .format(e)) 14 15 # 获取所有sheet 16 def getsheets(fx): 17 return fx.sheets() 18 19 # 获取某个sheet的行数 20 def getrows(fx,sheet

一般常用到的指数平滑法为一次指数平滑、二次指数平滑和三次指数平滑，高次指数平滑一般比较难见到，因此本文着重介绍了一次、二次和三次指数平滑的特点与不同。 一次指数平滑一般应用于直线型数据，且一次指数平滑具有滞后性，可以说明有明显的时间性、季节性。 二次指数平滑一般也应用于直线型，但是效果会比一次指数平滑好很多，也就相当于加强版的一次指数平滑。 三次指数平滑可以应用于抛物线型的数据，因为数据在二次平滑过后还是具有斜率，那么可以继续使用三次指数平滑。 初值：不管什么指数平滑都会有个初值，假如数据大于20项，那么初值就可以认定为第一个数据，或者利用下列公式计算也行；假如数据小于20项，则初始值为： 低于20项 一般取3，大于20的看着取就行了。 一次指数平滑： 一次指数平滑需要滞后一期，给定平滑系数 ，那么一次指数平滑的计算公式为： 预测第 期的数值则是上一期的实际值与预测值的加权平均，预测公式为： 二次指数平滑： 给定平滑系数 ，那么二次指数平滑的计算公式为： 预测未来 期的值 的计算公式为： 其中： 三次指数平滑： 给定平滑系数 ，那么三次指数平滑的计算公式为： 预测未来 期的值 的计算公式为： 其中： 下面举例说明，数据如下： 253993 275396.2 315229.5 356949.6 400158.2 442431.7 495102.9 570164.8 640993.1

一般常用到的指数平滑法为一次指数平滑、二次指数平滑和三次指数平滑，高次指数平滑一般比较难见到，因此本文着重介绍了一次、二次和三次指数平滑的特点与不同。 一次指数平滑一般应用于直线型数据，且一次指数平滑具有滞后性，可以说明有明显的时间性、季节性。 二次指数平滑一般也应用于直线型，但是效果会比一次指数平滑好很多，也就相当于加强版的一次指数平滑。 三次指数平滑可以应用于抛物线型的数据，因为数据在二次平滑过后还是具有斜率，那么可以继续使用三次指数平滑。 初值：不管什么指数平滑都会有个初值，假如数据大于20项，那么初值就可以认定为第一个数据，或者利用下列公式计算也行；假如数据小于20项，则初始值为： 低于20项 一般取3，大于20的看着取就行了。 一次指数平滑： 一次指数平滑需要滞后一期，给定平滑系数 ，那么一次指数平滑的计算公式为： 预测第 期的数值则是上一期的实际值与预测值的加权平均，预测公式为： 二次指数平滑： 给定平滑系数 ，那么二次指数平滑的计算公式为： 预测未来 期的值 的计算公式为： 其中： 三次指数平滑： 给定平滑系数 ，那么三次指数平滑的计算公式为： 预测未来 期的值 的计算公式为： 其中： 下面举例说明，数据如下： 253993 275396.2 315229.5 356949.6 400158.2 442431.7 495102.9 570164.8 640993.1