教你怎么用Python处理excel实现自动化办公

一、介绍

实现的是把某个文件夹下的所有文件名提取出来，放入一个列表，在与excel中的某列进行对比，如果一致的话，对另一列进行操作，比如我们在统计人员活动情况的时候，对参加的人需要进行记录。

二、步骤

代统计名单

比如下面这个目录是参与活动的人员名单，每个文件夹为每个人参与活动的相关资料，有些目录是很多人一起参与一个活动，这个时候我要把文件遍历，把名字输入到一个列表中。

相关代码如下

# 保存指定目录下文件名到列表
def Save_name(dirPath):
   filePath = dirPath
   names = os.listdir(filePath)
   return names

# 处理文件名
def progress_name(name):
   result = []
   for str in name:
       str_list = str.split()
       for i in str_list:
           result.append(i)
   return result

代处理的excel如下

处理excel我用到的是pandas库，相关代码如下：

# 处理excel表
def progress_excel(name, filepath, col):
   data1 = pd.DataFrame(pd.read_excel(filepath))  # 这个会直接默认读取到这个Excel的第一个表单
   data = data1.head(70)  # 默认读取前5行的数据
   num = data.index
   for i in name:
       for j in num:
           if data['姓名'].loc[j] == i:
               data[col].loc[j] = 0.5
   print(data)
   DataFrame(data).to_excel('活动记录.xlsx', sheet_name='Sheet1', index=False, header=True)

代码运行后如下

可以看到，成功处理了我需要他处理的列，并进行时长的统计

三、完整代码

import os
import pandas as pd
from pandas import DataFrame

# 保存指定目录下文件名到列表
def Save_name(dirPath):
   filePath = dirPath
   names = os.listdir(filePath)
   return names

# 处理文件名
def progress_name(name):
   result = []
   for str in name:
       str_list = str.split()
       for i in str_list:
           result.append(i)
   return result

# 处理excel表
def progress_excel(name, filepath, col):
   data1 = pd.DataFrame(pd.read_excel(filepath))  # 这个会直接默认读取到这个Excel的第一个表单
   data = data1.head(70)  # 默认读取前5行的数据
   num = data.index
   for i in name:
       for j in num:
           if data['姓名'].loc[j] == i:
               data[col].loc[j] = 0.5
   print(data)
   DataFrame(data).to_excel('活动记录.xlsx', sheet_name='Sheet1', index=False, header=True)

if __name__ == '__main__':
   path = 'F:\\党支部\\环境美化活动'  # 要提取文件夹名的路径
   names = Save_name(path)
   filenames = progress_name(names)
   # print(filenames)
   # print(len(filenames))
   excelname = 'F:\\党支部\\活动记录.xlsx'  # 要处理的表
   col = '校园环境美化活动（0.5h）'  # 要处理的列
   progress_excel(filenames, excelname, col)

来源：https://blog.csdn.net/weixin_44570805/article/details/116245964