xlwings文档学习--第7章Data structures 数据结构

In [1]:

# 导入基本包
import xlwings as xw
import numpy as np
import pandas as pd

In [4]:

# 打开目标文件
wb = xw.Book(r'C:\Users\Track1\PycharmProjects\xlwing\xlwings_if\xlwings_if.xlsm')

In [5]:

import datetime as dt

In [6]:

sht = wb.sheets('sheet1')

In [7]:

sht

Out[7]:

7.1 Single cells单个单元格的数据类型

单个单元格的数据类型可以是float、str、None或者日期类型，取决于该单元格的值是数字、字符、空或者日期。

In [8]:

sht.range('a1').value = 1

In [9]:

sht.range('a1').value

Out[9]:

1.0

In [12]:

type(sht.range('a1').value)

Out[12]:

float

In [13]:

sht.range('a2').value = 'hello'

In [14]:

sht.range('a2').value

Out[14]:

'hello'

In [15]:

type(sht.range('a2').value)

Out[15]:

str

In [16]:

sht.range('a3').value is None

Out[16]:

True

In [17]:

type(sht.range('a3').value)

Out[17]:

NoneType

In [19]:

sht.range('a4').value = dt.datetime(2018,6,18)

In [20]:

sht.range('a4').value

Out[20]:

datetime.datetime(2018, 6, 18, 0, 0)

In [22]:

type(sht.range('a4').value)

Out[22]:

datetime.datetime

7.2 List 列表

一维数组

In [23]:

sht.clear()

In [24]:

sht.range('a1').value = [[1],[2],[3],[4]]  # 有列方向信息

In [25]:

sht.range('a1').expand().value  # 输出列表已经丢失了列方向信息

Out[25]:

[1.0, 2.0, 3.0, 4.0]

In [26]:

sht.range('a1').value = [1,3,4,5]

In [29]:

sht.range('a1:d1').value

Out[29]:

[1.0, 3.0, 4.0, 5.0]

要强迫单个单元格也返回列表，如下

In [30]:

sht.range('a1').options(ndim=1).value

Out[30]:

[1.0]

In [31]:

sht.range('a1').options(ndim=2).value

Out[31]:

[[1.0]]

二维数组

如果行或列方向信息需要保留下来，则在options中设定ndim

In [32]:

sht.range('a1:a4').options(ndim=2).value

Out[32]:

[[1.0], [2.0], [3.0], [4.0]]

In [33]:

sht.range('a1:d1').options(ndim=2).value

Out[33]:

[[1.0, 3.0, 4.0, 5.0]]

二维Range会自动的返回为列表。当把列表赋值给Excel Range时，制定左上方的单元格位置就足够了。

In [34]:

sht.range('a10').value = [['foo1','foo2','foo3'],[10,20,30]]

In [35]:

sht.range((10,1),(11,3)).value

Out[35]:

[['foo1', 'foo2', 'foo3'], [10.0, 20.0, 30.0]]

7.3 单元格区域扩展

方法一：expand（）

In [36]:

sht.range('a1').expand('table').value

Out[36]:

[[1.0, 3.0, 4.0, 5.0],
 [2.0, None, None, None],
 [3.0, None, None, None],
 [4.0, None, None, None]]

In [37]:

sht.range('a1').expand('right').value

Out[37]:

[1.0, 3.0, 4.0, 5.0]

In [38]:

sht.range('a1').expand('down').value

Out[38]:

[1.0, 2.0, 3.0, 4.0]

方法二：options（expand=‘table/right/down...’）

In [40]:

sht.range('a1').options(expand='table').value

Out[40]:

[[1.0, 3.0, 4.0, 5.0],
 [2.0, None, None, None],
 [3.0, None, None, None],
 [4.0, None, None, None]]

In [41]:

sht.range('a1').options(expand='right').value

Out[41]:

[1.0, 3.0, 4.0, 5.0]

7.4 NumPy arrays

In [43]:

sht.clear()

In [44]:

sht.range('a1').value = np.eye(3)

In [45]:

sht.range('a1').options(np.array, expand='table').value

Out[45]:

array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]])

7.5 Pandas DataFrames

In [46]:

arr = sht.range('a1').options(np.array, expand='table').value

In [47]:

df = pd.DataFrame(arr,columns=['A','B','C'])

In [48]:

df

Out[48]:

	A	B	C
0	1.0	0.0	0.0
1	0.0	1.0	0.0
2	0.0	0.0	1.0

In [52]:

sht.range('a5').value = df

In [51]:

sht.range('a5').options(pd.DataFrame, expand='table').value

Out[51]:

	A	B	C
0.0	1.0	0.0	0.0
1.0	0.0	1.0	0.0
2.0	0.0	0.0	1.0

In [53]:

sht.range('a10').options(index=False).value = df

In [54]:

sht.range('a15').options(index=False,header=False).value = df

Pandas Series

In [55]:

s = pd.Series([1.1,3.3,5.,np.nan,6.,8.], name='myseries')

In [56]:

s

Out[56]:

0    1.1
1    3.3
2    5.0
3    NaN
4    6.0
5    8.0
Name: myseries, dtype: float64

In [57]:

sht.clear()

In [59]:

sht.range('a1').value = s

In [60]:

sht.range('a1').options(pd.Series,expand='table').value

Out[60]:

0.0    1.1
1.0    3.3
2.0    5.0
3.0    NaN
4.0    6.0
5.0    8.0
Name: myseries, dtype: float64