Python打开有数据的excel再添加列名到最后，并把其中两列转换成数字

以下是一个示例代码，可以参考：

import pandas as pd

# 打开excel文件，读取数据
df = pd.read_excel('data.xlsx')

# 添加列名到最后
df.columns = list(df.columns) + ['new_col_1', 'new_col_2']

# 将两列转换成数字
df['new_col_1'] = pd.to_numeric(df['old_col_1'], errors='coerce')
df['new_col_2'] = pd.to_numeric(df['old_col_2'], errors='coerce')

# 保存结果到新的excel文件
df.to_excel('new_data.xlsx', index=False)

在这个示例代码中，我们使用了pandas库来读取excel文件，并将数据存储在一个DataFrame对象中。然后，我们添加了两列新的列名到最后，使用`pd.to_numeric()`函数将两列转换成数字，并保存结果到一个新的excel文件中。

相关问题

Python打开有数据的excel，在第一行插入列名，并把其中日期时间那一列按空格拆分成两列，并把日期那列内容是8位数字的日期，改变为日期格式，在把整个表转换成枢纽表，再计算其中两列是相减的值写在后面一列

以下是Python处理Excel的代码：

import openpyxl
import pandas as pd

# 打开Excel文件
wb = openpyxl.load_workbook('data.xlsx')

# 选择第一个sheet
sheet = wb.worksheets[0]

# 在第一行插入列名
sheet.insert_rows(1)
sheet['A1'] = '日期'
sheet['B1'] = '时间'
sheet['C1'] = '数据1'
sheet['D1'] = '数据2'

# 拆分日期时间列
for row in sheet.iter_rows(min_row=2):
    datetime = row[0].value.split(' ')
    row[0].value = datetime[0]
    row[1].value = datetime[1]

# 把日期列格式化为日期类型
for row in sheet.iter_rows(min_row=2, min_col=1, max_col=1):
    cell = row[0]
    if isinstance(cell.value, int):
        cell.number_format = 'yyyy-mm-dd'
        cell.value = pd.to_datetime(str(cell.value), format='%Y%m%d')

# 转换成枢纽表
df = pd.DataFrame(sheet.values).rename(columns={0: '日期', 1: '时间', 2: '数据1', 3: '数据2'})
pivot_table = pd.pivot_table(df, values=['数据1', '数据2'], index=['日期'], aggfunc='sum')

# 计算相减的值写在后面一列
pivot_table['数据3'] = pivot_table['数据2'] - pivot_table['数据1']

# 把枢纽表写回Excel
for r in dataframe_to_rows(pivot_table, index=True, header=True):
    sheet.append(r)

# 保存Excel文件
wb.save('data_processed.xlsx')

Python打开有数据的excel 1.在表中第一行插入列名2.拆分日期数时间一列中按空格拆分成两列，把日期一列内容改为日期格式，3.把时间那一列数据提取小时到后一列

以下是Python实现上述功能的代码：

import pandas as pd

# 打开Excel文件，读取第一个Sheet
file = 'data.xlsx'
sheet_name = 0
df = pd.read_excel(file, sheet_name=sheet_name)

# 在第一行插入列名
df.columns = range(len(df.columns))
df.loc[-1] = df.iloc[0]
df = df.drop(0)
df.index = range(len(df))

# 拆分日期时间列
datetime_col_idx = 0
date_col_idx = len(df.columns)
time_col_idx = len(df.columns) + 1
def split_datetime(value):
    datetime, time = value.split(' ')
    return datetime, time

df[[date_col_idx, time_col_idx]] = df[datetime_col_idx].apply(split_datetime, result_type='expand')

# 转换日期格式
df[date_col_idx] = pd.to_datetime(df[date_col_idx], format='%Y-%m-%d')

# 提取小时数到新列
hour_col_idx = len(df.columns)
def extract_hour(value):
    time = pd.to_datetime(value)
    return time.hour

df[hour_col_idx] = df[time_col_idx].apply(extract_hour)

# 输出结果
print(df)

代码分为以下几个部分：

- 第1-3行：导入需要的库；
- 第6-7行：打开Excel文件，并读取第一个Sheet的数据；
- 第10-14行：插入列名；
- 第17-21行：拆分日期时间列，并插入新的日期、时间两列；
- 第24行：将日期列的数据转换为日期格式；
- 第27-30行：提取小时数到新列；
- 第33行：打印输出处理后的数据。

注意：需要安装pandas库才能运行上述代码。