使用PYTHON写一段代码,对指定的"D:\1_ZC专项\0-每日批量清洗数据目录\表格汇总前"文件夹下的所有XLSX表格文件,从表格的第3行开始进行读取,将数据顺序保存到一个新的表格里,命令为日期+地名+数据合并的xlsx文件,保存到"D:\1_ZC专项\0-每日批量清洗数据目录\"文件夹中,随后在该合并后的表格第6列后插入一列空值,在第16行第3行写入内容:”VLOOKUP(O3,Sheet2!A:B,2,FALSE)“并向下填充该列后保存表格

时间: 2024-03-01 12:52:03 浏览: 21
好的,这是实现您要求的Python代码: ```python import os import openpyxl # 获取文件夹路径 folder_path = r'D:\1_ZC专项\0-每日批量清洗数据目录\表格汇总前' # 新建一个工作簿 merged_wb = openpyxl.Workbook() merged_ws = merged_wb.active # 遍历文件夹下的所有xlsx文件 for filename in os.listdir(folder_path): if filename.endswith('.xlsx'): # 打开工作簿 wb = openpyxl.load_workbook(os.path.join(folder_path, filename)) ws = wb.active # 读取数据,从第3行开始 data = [] for row in ws.iter_rows(min_row=3, values_only=True): data.append(row) # 获取日期和地名 date = ws.cell(row=1, column=2).value place = ws.cell(row=2, column=2).value # 将数据顺序保存到新工作簿中 for row in data: merged_ws.append([date, place] + list(row)) # 关闭工作簿 wb.close() # 在第6列后插入一列空值 merged_ws.insert_cols(7) # 写入公式 merged_ws.cell(row=16, column=3).value = 'VLOOKUP(O3,Sheet2!A:B,2,FALSE)' merged_ws.column_dimensions['C'].width = 40 for row in range(17, merged_ws.max_row+1): merged_ws.cell(row=row, column=3).value = 'VLOOKUP(O{},Sheet2!A:B,2,FALSE)'.format(row) # 保存工作簿 merged_wb.save(os.path.join(r'D:\1_ZC专项\0-每日批量清洗数据目录', '{}{}_数据合并.xlsx'.format(date, place))) merged_wb.close() ``` 需要注意的是,代码中的路径可能需要根据您的实际情况进行修改,特别是最后保存合并后的表格的路径。如果您的电脑中没有安装openpyxl模块,可以在命令行中使用以下命令进行安装: ```bash pip install openpyxl ``` 希望这个代码能够满足您的需求!

最新推荐

recommend-type

kafka-python批量发送数据的实例

今天小编就为大家分享一篇kafka-python批量发送数据的实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

python 实现对数据集的归一化的方法(0-1之间)

今天小编就为大家分享一篇python 实现对数据集的归一化的方法(0-1之间),具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

pycharm下python使用yolov3/yolov3-tiny训练好的权重文件.weights进行行人检测,批量测试自定义文件夹下的图片并输出至指定文件夹

python使用yolov3/yolov3-tiny训练好的权重文件.weights进行行人检测,批量测试自定义文件夹下的图片并输出至指定文件夹 目录 python使用yolov3/yolov3-tiny训练好的权重文件.weights进行行人检测,批量测试自定义...
recommend-type

详解python实现数据归一化处理的方式:(0,1)标准化

主要介绍了详解python实现数据归一化处理的方式:(0,1)标准化,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

使用python批量读取word文档并整理关键信息到excel表格的实例

今天小编就为大家分享一篇使用python批量读取word文档并整理关键信息到excel表格的实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
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

解释minorization-maximization (MM) algorithm,并给出matlab代码编写的例子

Minorization-maximization (MM) algorithm是一种常用的优化算法,用于求解非凸问题或含有约束的优化问题。该算法的基本思想是通过构造一个凸下界函数来逼近原问题,然后通过求解凸下界函数的最优解来逼近原问题的最优解。具体步骤如下: 1. 初始化参数 $\theta_0$,设 $k=0$; 2. 构造一个凸下界函数 $Q(\theta|\theta_k)$,使其满足 $Q(\theta_k|\theta_k)=f(\theta_k)$; 3. 求解 $Q(\theta|\theta_k)$ 的最优值 $\theta_{k+1}=\arg\min_\theta Q(
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。