从Excel到Python
在2016年的Build大会上，微软宣布全球有12亿人在使用Excel，而在同一年，全球的人口为74亿。也就是说，使用Excel的人占全球人口的16.2%。
2019年的一份报告（ https://slashdata-website-cms.s3.amazonaws.com/sample_reports/ZAamt00SbUZKwB9j.pdf）显示，Python拥有820万活跃开发者，占全球人口的0.001%。
从这些数据可以看出，增强Excel和Python之间的交互性对我们是有好处的，这为更多人打开了一扇使用Python工具的大门。
Python在Excel前端方面的机会是巨大的。在本文中，我们将分享如何实现一个“典型的”财务Excel表格。
先工具，后Excel
在几乎所有我能想到的场景中，通常是先写Python代码，不过必须要保持数据“输入”格式的灵活性。
改变输入数据集格式不应该影响到代码
假设我们使用Pandas读取一个或两个CSV/Excel表格，可能会依赖一组给定的列名。
如果有数千行这样的代码，我们就依赖了很多硬编码的列名，当我们试图使用Excel动态输入列名时，就会遇到问题。
因此，在最初的原型设计阶段，在还没有使用 Excel 工作表时，可以在代码里将列名和内部标签名映射起来：
mappings = {'loan identifier': 'loan_id',
'amt': 'amount',
...
'init fees': 'initial_fees'}
data.rename(mappings, axis=1, inplace=True) 稍后，这种映射将被 Excel 工作表取代。
Excel 前端
等到 Python 初具模型，就可以开始构建 Excel 前端了。首先，我们要确定哪些变量可以放在 Excel 工作表中。
在开发这类工具时，一般都是要假设输入数据的格式是会变的。
这点要么很重要，要么不那么重要，具体取决于你所在的工作环境以及你要开发什么样的工具。有些工作流程定义得比较好，数据格式不太可能会发生变化。
但是，我总是会倾向于保持谨慎，希望通过 Excel 来增加灵活性，但要注意不要将事情复杂化。
使用 Excel 将 Python 内部列名与外部 CSV/Excel 列名映射起来
使用内部命名系统并允许 Excel 用户指定列映射，这是保持灵活性的一个很好的例子。现在，Excel 用户不再依赖于硬编码的列名，他们可以在不修改 Python 代码的情况下调整列映射。
映射
mappings 是集成的核心部分，它的内容来自 Excel 中的一张表（我通常会叫它 Mapping）。
要得到 mappings，我们需要一个函数来读取 Excel。为此，我们使用了 openpyxl。
我们可以这样读取 Excel 中的单元格：
import openpyxl
# 加载工作簿
wb = openpyxl.load_workbook("sheet.xlsx", data_only=True)
# 创建工作簿对象
ws = wb.active
# 获取单元格 E4 的值
value = ws['E4'].value 我们可以通过这种方式得到 mappings。我们将代码稍作调整，添加 Excel 工作簿“tool_setup.xlsx”本地路径。
我们还要假设 Excel 的当前工作表可能不是我们想要的那个，而且可能会新增、被删除或被移动，所以我们需要通过遍历找到目标工作表的索引位置：
# 首先，我们设置 Excel 文件的路径
path = r".\documents\tool_setup.xlsx"
# 加载文件，创建工作簿对象
wb = openpyxl.load_workbook(path, data_only=True)
# 找到目标工作表的索引
idx = [i for i, name in wb.sheetnames if name == 'Mapping'][0]
# 将目标工作表设置为当前工作表
wb.active = idx
ws = wb.active 现在，我们可以填充 mappings 内容了 ：
mappings = {}
mappings['Amount'] = ws["E4"].value
mappings['Term'] = ws["E5"].value 保持灵活性
如果工作表里添加了新行或者把旧行删除，有可能会得到一个不正确的 mappings。为了避免这种情况，我们需要 search_col 函数，它会遍历查找每个单元格，直到找到包含我们想要的值（或超过 limit 限制）的单元格。
# 定义一个函数，用于查找 openpyxl 工作簿对象中的给定列
def search_col(sheet, column, value, limit=100):
??
? # 从 1 开始，逐行查找，直到达到 limit 限制
? ? for row in range(1, limit+1):
? ? ??
? ? ? ? if sheet[f"column{row}"].value == value:
? ? ? ? ? ? # 找到想要的单元格，返回单元格的列和行
? ? ? ? ? ? return (col, row) search_col 返回我们想要的数据的列和行。
如果没处理好，哪怕是在工作表里添加一个注释也会让工具不可用。左边的“Internal”在第 12 行，而右边是第 14 行。
我们可以像下面这样找到“Internal”的单元格位置：
search_col(ws, 'B', 'Internal')
[Out]: ('B', 12) 接下来，我们通过循环往 mappings 添加其他列映射。在遇到两个或者更多个空的单元格后，我们就知道映射内容已经全部读取完毕，就可以结束循环了：
empty = 0? # 初始化空单元格数量
while empty < 2:
? ? # 增加行计数
? ? row += 1
? ? # 赋值
? ? internal = ws[f'B{row}'].value
? ??
? ? if internal is None:
? ? ? ? empty += 1? # 遇到空单元格就增加空单元格计数
? ? else:
? ? ? ? # 加入 mappings
? ? ? ? mappings[internal] = ws[f'D{row}'].value
? ? ? ? empty = 0? # also re-initialize the empty counter 运行上面的代码，就可以得到像下面这样的 mappings：
{
? ? 'Loan ID': 'loan identifier',
? ? 'Product': 'product type',
? ? ?...
? ? 'Initial Fees': 'init fees'
} 如果要引入其他变量，比如文件路径（filepath），我们只需要找到包含“Filepath”的单元格，并把它的值赋给“filepath”：
row, _ = search_col(ws, 'C', 'Filepath')
mappings['filepath'] = ws[f'D{row}].value 集成
最后一步，也是最容易的一步——在 Python 脚本中使用列名。
我们使用上面得到的 mappings，将输入列名转成内部标签。
data = pd.read_csv(mappings['Filepath']) 在将输入列名转成内部标签之前，我们必须翻转键值对，即把键 - 值转成值 - 键。
# 翻转
inv_mappings = {mappings[key]: key for key in mappings} 对于这个简单的例子，或许在构建 mappings 时就进行翻转会更方便些。对于复杂一点的工具，我发现使用内部到外部的映射格式会更好。但不管怎样，这一切取决于你自己。
最后，将输入列名转成内部标签：
data.rename(inv_mappings, axis=1, inplace=True) 我们可以做得更灵活一些。为了处理不必要的空格或大小写拼写错误，我们重写了一小部分代码：
data = pd.read_csv(mappings['Filepath'])
# 转成小写，剔除不必要的空格
data.rename({col: col.strip().lower() for col in data.columns},
? ? ? ? ? ? axis=1, inplace=True)
# inv_mappings 也是一样
# 内部标签使用蛇形命名方式 (不是必需的)
inv_mappings = {
? ? mappings[key].strip().lower():
? ? ? ? key.strip().lower().replace(' ', '_')
? ? for key in mappings
}
# 现在安全了
data.rename(inv_mappings, axis=1, inplace=True) 另外，我们在 Excel 中显示内部标签时通常会使用首字母大写和正常空格，而在内部我个人还是选择蛇形命名格式。
"Loan ID" -> "loan_id"
"Initial Rate" -> "initial_rate" 结论
我曾见过无数家重度使用 Excel 的公司，这么做可以节省数百个小时用于检查单元格、输入值或等待 Excel 模型处理数据的时间。
尽管自动化和机器学习时代正在迅速地将 Excel 的很多领域自动化，但 Excel 不会很快就消失掉。
目前，世界上发展最快的编程语言（Python）和世界上使用最为广泛的软件（Excel）之间的紧密集成可以给很多行业带来巨大收益。
原文链接： https://towardsdatascience.com/excel-to-python-79b01638f2d9
- 发表于:
- 本文为 InfoQ 中文站特供稿件
- 首发地址：https://www.infoq.cn/article/WVaRuj8zQCsljFNsrKio
- 如有侵权，请联系 cloudcommunity@tencent.com 删除。
相关快讯
扫码
添加站长 进交流群
领取专属 10元无门槛券
私享最新 技术干货
腾讯云开发者
