python筛选excel数据放到新的sheet页

您可以使用Python中的pandas库来读取Excel文件，并使用条件过滤来筛选数据，并将筛选后的数据写入新的Excel文件的不同工作表中。以下是一个示例代码，它将从一个名为“data.xlsx”的Excel文件中读取名为“Sheet1”的工作表，并筛选出其中列“A”中值为“apple”的行，并将其写入一个名为“apple”的新工作表中：

import pandas as pd

# 读取Excel文件
df = pd.read_excel('data.xlsx', sheet_name='Sheet1')

# 筛选出列“A”中值为“apple”的行
filtered_df = df[df['A'] == 'apple']

# 将筛选后的数据写入新的Excel文件的不同工作表中
with pd.ExcelWriter('filtered_data.xlsx') as writer:
    filtered_df.to_excel(writer, sheet_name='apple')

您可以根据自己的需要调整代码，例如更改筛选条件、更改读取的工作表名称、更改写入的工作表名称等。

相关问题

python sheet筛选时间放在新的sheet

要将一个表格中的数据根据时间筛选后放到一个新的表格中，可以使用Python中的pandas库来实现。

第一步是读取原始表格数据。可以使用pandas中的read_excel函数来读取Excel文件中的数据，该函数会将文件的每个sheet读取为一个DataFrame对象。例如，可以使用以下代码读取名为“原始数据”的sheet：

import pandas as pd

df1 = pd.read_excel('filename.xlsx', sheet_name='原始数据')

接下来，需要使用pandas中的条件筛选功能来根据时间将数据进行筛选。例如，可以使用以下代码将所有日期在2022年1月1日之后的数据筛选出来：

df2 = df1[df1['日期'] >= '2022-01-01']

这行代码使用了pandas中的条件筛选功能，其中df1['日期']代表原始数据中的日期列，'>='符号代表大于等于，'2022-01-01'代表要筛选的日期。这行代码会将符合条件的行提取出来，并存储在一个新的DataFrame对象df2中。

最后，可以使用pandas中的to_excel函数将筛选后的数据保存到一个新的Excel文件中的一个新的sheet。例如，以下代码将df2保存到名为“筛选数据”的sheet中：

with pd.ExcelWriter('filename.xlsx', mode='a') as writer:
    df2.to_excel(writer, sheet_name='筛选数据', index=False)

该代码中的ExcelWriter函数用于指定要创建的Excel文件名，mode='a'表示在原始文件的基础上添加新的sheet，如果mode='w'则会覆盖原始文件。接下来，使用DataFrame对象df2的to_excel方法将筛选后的数据保存到指定的sheet中，参数index=False表示不保存索引列。

通过以上步骤，就可以实现将原始表格中根据时间筛选后的数据存储到一个新的sheet中。

拉依达准则python实现,要求读取excel表格，并且将筛选后的数据放到excel表格当中

拉伊达准则（Ljung-Box Test）是一种自相关函数检验，通常用于时间序列分析，检查数据是否具有随机游走特性或存在某种特定周期性的趋势。在Python中，我们可以使用`statsmodels`库来实现这个测试。

首先，你需要安装`pandas`和`statsmodels`库，如果你还没有安装，可以使用以下命令：

pip install pandas statsmodels openpyxl

接下来，假设你已经有一个Excel文件`data.xlsx`，其中包含需要分析的数据在Sheet1的A列（时间序列），B列（数据）。你可以按以下步骤实现：

import pandas as pd
from statsmodels.tsa.stattools import ljung_box
from openpyxl import load_workbook

# 读取Excel文件
wb = load_workbook('data.xlsx')
sheet = wb['Sheet1']
data_df = pd.read_excel(io=sheet, usecols=[0, 1])  # 提取时间和数据两列

# 确定起始行（通常从第二行开始，因为第一行通常是列名）
start_row = 1 if data_df.columns[0] == 'Time' else 0

# 将时间列转换为datetime类型并设为主键
data_df['Time'] = pd.to_datetime(data_df['Time'], errors='coerce')
data_df.set_index('Time', inplace=True)

# 应用拉伊达准则
lags = range(1, 21)  # 规定检验的滞后阶数
lb_results, p_values = ljung_box(data_df['Data'].values, lags=lags)

# 创建一个新的DataFrame保存结果
results_df = pd.DataFrame({'lag': lags, 'Q-statistic': lb_results, 'p-value': p_values})

# 如果你想保留原始数据并添加新结果到Excel中，可以这样做
new_sheet = wb.create_sheet(title='Ljung-Box Results')
results_df.to_excel(new_sheet, index=False)

# 保存新的工作簿
wb.save('data.xlsx')