python语言 .iterrows() 函数使用

iterrows()函数是Pandas库中的一个函数，用于遍历DataFrame中的每一行数据。它返回一个迭代器，每次迭代都包含该行的索引和数据。例如：

import pandas as pd

data = pd.DataFrame({'col1': [1, 2], 'col2': [3, 4]})

for idx, row in data.iterrows():
print(idx, row['col1'], row['col2'])

输出：
0 1 3
1 2 4

相关问题

如何将2011年1月销售数据.txt与2011年2月销售数据JSON.txt，使用Python语言，读取数据，并将数据写入MySQL

为了将两个文件（一个是`.txt`文本文件，另一个是`.json`文件），使用Python读取并合并数据后存储到MySQL数据库中，你需要遵循以下步骤：

1. **安装必要的库**：
首先，确保已安装 `pandas`, `json`, 和 `mysql-connector-python` 库。如果没有，可以使用pip安装：

   pip install pandas json mysql-connector-python

2. **读取文本文件**（假设`sales_data.txt`是一个CSV文件）：
使用pandas的`read_csv()`函数加载txt文件：

   import pandas as pd

   sales_text = pd.read_csv('2011年1月销售数据.txt', delimiter=';', encoding='utf-8')  # 根据实际情况调整分隔符和编码

3. **读取JSON文件**（使用`json`模块）：
JSON文件需要先转换成字典列表，然后可以使用`pd.DataFrame`构造：

   with open('2011年2月销售数据JSON.txt', 'r', encoding='utf-8') as f:
       sales_json = json.load(f)
   sales_json_df = pd.json_normalize(sales_json)  # 将字典转换为DataFrame

4. **合并两份数据**：
可能需要对列名、时间戳等信息进行匹配，然后合并：

   combined_data = pd.concat([sales_text, sales_json_df], ignore_index=True)  # 按行合并

5. **连接MySQL数据库**：
使用`mysql-connector-python`库，创建连接并执行SQL操作：

   import mysql.connector
   
   cnx = mysql.connector.connect(user='your_username', password='your_password',
                                 host='your_host', database='your_database')

   cursor = cnx.cursor()

   # 假设表格结构已经存在，可以直接插入数据
   for _, row in combined_data.iterrows():
       insert_query = "INSERT INTO sales_table (column1, column2, ...) VALUES (%s, %s, ...)"  # 填充实际的字段名
       values = tuple(row.values.tolist())
       cursor.execute(insert_query, values)

   # 提交事务
   cnx.commit()

   # 关闭连接
   cursor.close()
   cnx.close()

6. **注意事项**：
- 确保字段映射正确，如果表结构尚未准备好，可能需要先创建表。
- 数据清理和预处理可能需要针对原始数据。

使用Python语言pandas库将数据带格式填入word模板

要使用Python中的`pandas`库将数据带格式填入Word模板，可以结合使用`python-docx`和`pandas`库来实现。下面是一个示例代码：

from docx import Document
from docx.shared import Pt
import pandas as pd

def fill_word_template(template_file, output_file, data):
    # 打开模板文件
    doc = Document(template_file)

    # 查找表格
    tables = doc.tables
    if len(tables) == 0:
        raise ValueError("模板中没有表格")

    # 获取表格的列数
    column_count = len(tables[0].columns)

    # 将数据填充到表格中
    for index, row_data in data.iterrows():
        # 在表格末尾添加一行
        new_row = tables[0].add_row().cells

        # 填充数据到新行中的每个单元格
        for i in range(column_count):
            cell = new_row[i]
            cell.text = str(row_data[i])

            # 设置单元格格式（例如字体大小）
            run = cell.paragraphs[0].runs[0]
            run.font.size = Pt(12)

    # 保存填充后的文件
    doc.save(output_file)

# 示例数据
data = pd.DataFrame({
    '姓名': ['张三', '李四', '王五'],
    '年龄': [25, 30, 35],
    '邮箱': ['zhangsan@example.com', 'lisi@example.com', 'wangwu@example.com']
})

# 调用函数填充模板
fill_word_template('template.docx', 'output.docx', data)

在上面的示例中，我们假设模板中只有一个表格。首先，我们打开模板文件，并获取表格的列数。然后，使用`iterrows()`函数遍历数据中的每一行，将每个单元格的值填充到新行中的对应单元格中。同时，可以设置单元格的格式，例如字体大小。最后，保存填充后的文件。

请注意，示例数据使用了`pandas`库的`DataFrame`来表示表格数据，可以根据实际情况修改示例数据以适应自己的数据结构。