作者 | 老表
1、前言
2、开始动手动脑
2.1 拆解+明确需求
2.2 安装第三方包
2.3 读取excel数据
2.4 特殊数据数据处理
2.5 其他需求
2.6 完整调用代码
1、前言
今天教大家一个需求：有很多Excel，需要批量处理，然后存入不同的数据表中。
2、开始动手动脑
2.1 拆解+明确需求
1） excel数据有哪些需要修改？
有一列数据DocketDate是excel短时间数值，需要转变成正常的年月日格式；eg. 44567 --> 2022/1/6
部分数据需要按SOID进行去重复处理，根据DocketDate保留最近的数据；
有一列数据需要进行日期格式转换。eg. 06/Jan/2022 12:27 --> 2022-1-6
主要涉及：日期格式处理、数据去重处理
2） 每一个Excel都对应一个不同数据表吗？表名和Excel附件名称是否一致？
有些Excel对应的是同一个表，有些是单独的
表名和Excel附件名称不一致，不过是有对应关系的eg. 附件test1 和 test2 对应表 testa，附件test3 对应 testb
主要涉及：数据合并处理
2.2 安装第三方包
pip3 install sqlalchemy pymssql pandas xlrd xlwt
sqlalchemy：可以将关系数据库的表结构映射到对象上，然后通过处理对象来处理数据库内容；
pymssql：python连接sqlserver数据库的驱动程序，也可以直接使用其连接数据库后进行读写操作；
pandas：处理各种数据，内置很多数据处理方法，非常方便；
xlrd xlwt：读写excel文件，pandas读写excel会调用他们。
导入包：
import pandas as pdfrom datetime import date, timedelta, datetimeimport timeimport osfrom sqlalchemy import create_engineimport pymssql
2.3 读取excel数据
读取数据比较简单，直接调用pandas的read_excel函数即可，如果文件有什么特殊格式，比如编码，也可以自定义设置。
# 读取excel数据
defget_excel_data(filepath):
data = pd.read_excel(filepath)
return data
2.4 特殊数据数据处理
“
1）日期天数转短日期
”
这个有一定难度，excel里直接转很简单，直接选中需要转的数据，然后在开始-数据格式栏选择短日期即可。
当时第一眼不知道其中的转换规律，搜索了很久，也没发现有类似问题或说明，首先肯定不是时间戳，感觉总有点关系，最后发现是天数，计算出天数计算起始日期就可以解决其他数据转变问题啦。
首先我们要判断空值，然后设置日期天数计算起始时间，利用datetime模块的timedelta函数将时间天数转变成时间差，然后直接与起始日期进行运算即可得出其代表的日期。
# 日期天数转短日期
defdays_to_date(days):
# 处理nan值
if pd.isna(days):
return
# 44567 2022/1/6
# 推算出 excel 天数转短日期 是从1899.12.30开始计算
start = date(1899,12,30)
# 将days转换成 timedelta 类型，可以直接与日期进行计算
delta = timedelta(days)
# 开始日期+时间差 得到对应短日期
offset = start + delta
return offset
这里比较难想的就是天数计算起始日期，不过想明白后，其实也好算，从excel中我们可以直接将日期天数转成短日期，等式已经有了，只有一个未知数x，我们只需列一个一元一次方程即可解出未知数x。
from datetime import date, timedeltadate_days = 44567
# 将天数转成日期类型时间间隔
delta = timedelta(date_days)
# 结果日期
result = date(2022,1,6)
# 计算未知的起始日期
x = result - delta
print(x)
输出：1899-12-30
“
2）将日期中的英文转成数字
”
最开始我想的是使用正则匹配，将年月日都在取出来，然后将英文月份转变成数字，后来发现日期里可以直接识别英文的月份。
代码如下，首先将字符串按格式转变成日期类型数据，原数据为06/Jan/2022 12:27（数字日/英文月/数字年 数字小时:数字分钟），按日期格式化符号解释表中对应关系替换即可。
# 官方日期格式转换成常见格式
defdate_to_common(time):
# 处理nan值
if pd.isna(time):
return
# 06/Jan/2022 12:27 2022-1-6
# 测试 print(time,:, type(time))
# 将字符串转成日期
time_format = datetime.strptime(time,%d/%b/%Y %H:%M)
# 转换成指定日期格式
common_date = datetime.strftime(time_format, %Y-%m-%d) return common_date
日期格式化符号解释表@CSDN-划船的使者“
3）按订单编号SOID去重
”
这里去重复除了按指定列去重外，还需要按日期保留最新数据。
我的想法是，首先调用pandas的sort_values函数将所有数据根据日期列进行升序排序，然后，调用drop_duplicates函数指定按SOID列进行去重，并指定keep值为last，表示重复数据中保留最后一行数据。
代码如下：
# 去除重复值 SOID重复 按日期去除最早的数据
defdelete_repeat(data):
# 先按日期列 Docket Rec.Date & Time 排序 默认降序 保证留下的日期是最近的
data.sort_values(by=[Docket Rec.Date & Time], inplace=True)
# 按 SOID 删除重复行
data.drop_duplicates(subset=[SOID #], keep=last, inplace=True)return data
2.5 其他需求
“
多个Excel数据对应一张数据库的表
”
可以写一个字典，来存储数据库表和对应Excel数据名称，然后一个个存储到对应的数据库表中即可（或者提前处理好数据后，再合并）。
合并同类型Excel表
# 相同表合并数据 传入合并excel列表
defmerge_excel(elist, files_path):
data_list = [get_excel_data(files_path+i) for i in elist]
data = pd.concat(data_list)
return data
这里传入同一类型Excel文件名列表（elist）和数据存储文件夹绝对/相对路径（files_path）即可，通过文件绝对/相对路径+Excel文件名即可得到Excel数据表文件的绝对/相对路径，再调用get_excel_data函数即可读取出数据。
遍历读取Excel表数据利用了列表推导式，最后利用pandas的concat函数即可将对应数据进行合并。
数据存储到sqlserver
# 初始化数据库连接引擎
# create_engine("数据库类型+数据库驱动://数据库用户名:数据库密码@IP地址:端口/数据库"，其他参数)
engine = create_engine("mssql+pymssql://sa:@localhost/study?charset=GBK")
# 存储数据
defdata_to_sql(data, table_naem, columns):
# 再对数据进行一点处理，选取指定列存入数据库
data1 = data[columns]
# 第一个参数：表名
# 第二个参数：数据库连接引擎
# 第三个参数：是否存储索引
# 第四个参数：如果表存在 就追加数据
t1 = time.time() # 时间戳 单位秒 print(数据插入开始时间：{0}.format(t1)) data1.to_sql(table_naem, engine, index=False, if_exists=append) t2 = time.time() # 时间戳 单位秒 print(数据插入结束时间：{0}.format(t2)) print(成功插入数据%d条，%len(data1), 耗费时间：%.5f秒。%(t2-t1))
sqlalchemy+pymssql连接sqlserver的时候注意坑：要指定数据库编码，slqserver创建的数据库默认是GBK编码。
2.6 完整调用代码
批量处理所有excel数据
# 数据文件都存储在某个指定目录下，如：
files_path = ./data/bf_path = ./process/
# 获取当前目录下所有文件名称
# files = os.listdir(files_path)
# files
# 表名：附件excel名
data_dict = {
testa: [test1.xls, test2.xls], testb: [test3.xls], testc: [test4.xls]
}
# 选取附件中的指定列，只存入指定列数据
columns_a = [S/No, SOID #, Current MileStone, Store In Date Time]columns_b = [Received Part Serial No, Received Product Category, Received Part Desc]columns_c = [From Loc, Orig Dispoition Code]
columns = [columns_a, columns_b, columns_c]
flag = 0# 列选择标记
# 遍历字典 合并相关excel 然后处理数据后，存入sql
for k,v in data_dict.items():
table_name = k
data = merge_excel(v, files_path)
# 1、处理数据
ifSOID #notin data.columns:
# 不包含要处理的列，则直接简单去重后、存入数据库
data.drop_duplicates(inplace=True)else:
# 特别处理数据
data = process_data(data)
# 2、存储数据
# 保险起见 本地也存一份
data.to_excel(bf_path+table_name+.xls)
# 存储到数据库
data_to_sql(data, table_name, columns[flag])
flag+=1