对东方财富网爬取出的沪深京A股excel表进行复杂数据处理并把处理好的数据存入新的excel表内的具体代码示例

好的，以下是一个示例代码，可以对爬取出来的沪深京A股excel表进行复杂数据处理，并将结果存入新的excel表内。需要使用Python编程语言和一些第三方库，比如pandas和openpyxl。

import pandas as pd
from openpyxl import Workbook

# 读取原始数据
df = pd.read_excel('eastmoney.xlsx')

# 进行数据处理，比如筛选出特定的股票代码和日期范围
df_filtered = df[(df['股票代码'] == '600000') & (df['日期'] >= '2020-01-01')]

# 对筛选出的数据进行分组并计算平均值
df_grouped = df_filtered.groupby('日期')['收盘价'].mean()

# 创建新的excel表，并将处理结果写入其中
wb = Workbook()
ws = wb.active
ws.append(['日期', '收盘价平均值'])
for date, value in df_grouped.iteritems():
    ws.append([date, value])
wb.save('processed_data.xlsx')

这段代码中，我们首先使用pandas库读取了原始的excel表，然后对数据进行了筛选和处理。最后，我们使用openpyxl库创建了一个新的excel表，并将处理好的数据写入其中。你可以根据自己的需求修改和优化这段代码。

相关问题

python在Excel中按条件筛选数据并存入新的表

可以使用Python的pandas库来实现在Excel中按条件筛选数据并存入新的表。

首先，需要安装pandas库。可以使用以下命令来安装：

pip install pandas

然后，可以使用pandas的read_excel函数读取Excel文件，例如：

import pandas as pd

df = pd.read_excel('data.xlsx')

这将读取名为“data.xlsx”的Excel文件并将其保存到DataFrame对象df中。

接下来，可以使用DataFrame的条件筛选功能来选择需要的数据，例如：

filtered_df = df[df['age'] > 30]

这将选择年龄大于30岁的行，并将结果保存到名为filtered_df的新DataFrame对象中。

最后，可以使用pandas的to_excel函数将筛选后的数据保存到新Excel文件中，例如：

filtered_df.to_excel('filtered_data.xlsx', index=False)

这将保存名为“filtered_data.xlsx”的新Excel文件，并将索引列排除在外。

完整的代码如下：

import pandas as pd

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

# 筛选数据
filtered_df = df[df['age'] > 30]

# 保存到新Excel文件
filtered_df.to_excel('filtered_data.xlsx', index=False)

Python用pandas提取Excel表中每行数据中最大值的重复个数并存入新的一列

可以使用 pandas 库中的 `apply()` 函数和 `value_counts()` 函数来统计 Excel 表中每行数据中最大值的重复个数，并将结果存入新的一列。具体操作如下：

假设有一个 Excel 表格，其中一列名为 `A`，需要统计每行中最大值的重复个数，可以使用如下代码：

import pandas as pd

# 读取 Excel 表格
df = pd.read_excel('test.xlsx')

# 定义一个函数用于统计每行数据中最大值的重复个数
def count_max(row):
    max_value = max(row)  # 获取每行中的最大值
    return pd.Series(row).value_counts().get(max_value, 0)

# 使用 apply() 函数将该函数应用到每一行数据上
df['count_of_max'] = df.apply(count_max, axis=1)

# 输出结果
print(df)

其中，`count_max()` 函数用于统计每行数据中最大值的重复个数。首先使用 `max()` 函数获取每行中的最大值，然后使用 `pd.Series()` 将每行数据转换为一维的 Series 对象，再使用 `value_counts()` 函数进行统计，最后使用 `get()` 函数获取最大值的重复个数。`apply()` 函数将该函数应用到每一行数据上，并且使用 `axis=1` 参数表示对每一行数据进行操作。最后，将统计结果存储在新的一列中，列名为 `count_of_max`。

输出的结果为一个新的 DataFrame，其中包含每行数据以及每行中最大值的重复个数。