python代码把“分表”中的数据向已有数据的“汇总表”中的空行追加,不覆盖原数据

时间: 2023-07-15 20:12:45 浏览: 43
假设分表的文件名为 `data.xlsx`,分表中的数据在名为 `Sheet1` 的工作表中,汇总表的文件名为 `summary.xlsx`,汇总表中的数据在名为 `Sheet1` 的工作表中。以下是一个示例代码,用于将分表中的数据追加到汇总表中: ```python import openpyxl # 打开分表和汇总表 data_wb = openpyxl.load_workbook('data.xlsx') summary_wb = openpyxl.load_workbook('summary.xlsx') # 获取分表和汇总表中的工作表 data_ws = data_wb['Sheet1'] summary_ws = summary_wb['Sheet1'] # 获取分表中的数据行数和列数 num_rows = data_ws.max_row num_cols = data_ws.max_column # 遍历分表中的数据行 for i in range(1, num_rows + 1): # 获取分表中的数据 row_data = [] for j in range(1, num_cols + 1): row_data.append(data_ws.cell(row=i, column=j).value) # 在汇总表中查找空行并追加数据 empty_row = summary_ws.max_row + 1 for j in range(1, num_cols + 1): summary_ws.cell(row=empty_row, column=j).value = row_data[j-1] # 保存汇总表 summary_wb.save('summary.xlsx') ``` 需要注意的是,上述代码假设分表和汇总表中的数据列数相同。如果两个表中的列数不同,需要对代码进行适当修改。此外,代码还假设汇总表中没有空行被删除。如果汇总表中存在已删除的空行,可以在查找空行时添加判断条件,跳过已删除的空行。

相关推荐

最新推荐

recommend-type

超大数据量存储常用数据库分表分库算法总结

主要介绍了超大数据量存储常用数据库分表分库算法总结,本文讲解了按自然时间来分表/分库、按数字类型hash分表/分库、按md5值来分表/分库三种方法,以及分表所带来的问题探讨,需要的朋友可以参考下
recommend-type

SpringBoot 2.0 整合sharding-jdbc中间件实现数据分库分表

主要介绍了SpringBoot 2.0 整合sharding-jdbc中间件,实现数据分库分表,本文图文并茂给大家介绍的非常详细,具有一定的参考借鉴价值 ,需要的朋友可以参考下
recommend-type

Java使用JDBC向MySQL数据库批次插入10W条数据(测试效率)

使用JDBC连接MySQL数据库进行数据插入的时候,特别是大批量数据连续插入(100000),如何提高效率呢?今天小编通过本教程给大家介绍下
recommend-type

python利用openpyxl拆分多个工作表的工作簿的方法

主要介绍了python利用openpyxl拆分多个工作表的工作簿的方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
recommend-type

python保留格式汇总各部门excel内容的实现思路

主要介绍了python保留格式汇总各部门excel内容,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

list根据id查询pid 然后依次获取到所有的子节点数据

可以使用递归的方式来实现根据id查询pid并获取所有子节点数据。具体实现可以参考以下代码: ``` def get_children_nodes(nodes, parent_id): children = [] for node in nodes: if node['pid'] == parent_id: node['children'] = get_children_nodes(nodes, node['id']) children.append(node) return children # 测试数
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。