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。

untitled

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。

untitled

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。

untitled

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。

※更多文章和资料|点击后方文字直达 ↓↓↓
100GPython自学资料包
阿里云K8s实战手册
[阿里云CDN排坑指南]CDN
ECS运维指南
DevOps实践手册
Hadoop大数据实战手册
Knative云原生应用开发指南
OSS 运维实战手册
云原生架构白皮书
Zabbix企业级分布式监控系统源码文档
云原生基础入门手册
10G大厂面试题戳领

你可能感兴趣的:(从 Excel 到 Python)