Python 自动化办公：批量提取 Excel 表格中的特定数据
在日常办公中，我们常常会遇到需要从大量 Excel 表格中提取特定数据的情况。手动操作不仅效率低下，还容易出错。借助 Python 强大的库，我们可以轻松实现自动化提取，提高工作效率。
需求分析
假设我们有一个包含多个 Excel 文件的文件夹，每个文件中都有一个工作表，工作表里记录了员工的信息，包括姓名、部门、工资等。我们需要从这些文件中提取出工资大于 5000 的员工信息，并将其保存到一个新的 Excel 文件中。
1. 安装必要的库
我们需要使用 `pandas` 库来处理 Excel 文件。可以使用以下命令进行安装：
```bash
pip install pandas
```
2. 导入库
在 Python 脚本中导入所需的库：
```python
import pandas as pd
import os
```
3. 定义函数来提取数据
```python
def extract_data(folder_path):
all_data = pd.DataFrame()
for file in os.listdir(folder_path):
if file.endswith('.xlsx'):
file_path = os.path.join(folder_path, file)
df = pd.read_excel(file_path)
filtered_df = df[df['工资'] > 5000]
all_data = pd.concat([all_data, filtered_df], ignore_index=True)
return all_data
```
4. 保存提取的数据
```python
def save_data(data, output_path):
data.to_excel(output_path, index=False)
```
5. 主程序
```python
if __name__ == "__main__":
folder_path = 'your_excel_folder' # 替换为实际的文件夹路径
output_path = 'output.xlsx' # 替换为实际的输出文件路径
extracted_data = extract_data(folder_path)
save_data(extracted_data, output_path)
print("数据提取完成，已保存到 output.xlsx")
```
总结
通过以上步骤，我们利用 Python 的 `pandas` 库实现了从多个 Excel 文件中批量提取特定数据的功能。这种自动化的方法不仅提高了工作效率，还减少了人为错误。在实际应用中，我们可以根据具体需求修改代码，例如改变提取条件、处理不同格式的 Excel 文件等。