Python для аналитиков. Импорт. Импорт таблиц из Excel

Описание

В этом уроке мы научимся импортировать таблицы из книг MS Excel. После импорта данных мы почистим таблицу и приведем ее к нормальному виду.

Решение

Импорт мы выполним с помощью команды модуля pandas. Далее мы создадим недостающие столбцы, удалим лишние столбцы и строки и назначим правильные типы данных. Полученный результат запишем в файл .xlsx.

Примененные функции

• pandas.read_excel
• numpy.where
• pandas.DataFrame.ffill
• pandas.notnull
• pandas.DataFrame.dtypes
• pandas.DataFrame.astype
• pandas.DataFrame.to_excel

Код

Импорт модулей.

import pandas as pd
import numpy as np

Читаем xlsx, пропускаем 5 первых строк, указываем какие столбцы нужно импортировать.

data = pd.read_excel('dataset.xlsx',
                     skiprows=5,
                     usecols='A:H')

Создадим столбцы Адрес и POSID. Нам нужно условно извлечь подстроку из столбца N опер.

data['Адрес'] = np.where(data['№ опер.'].str.startswith('POS'),
                         data['№ опер.'].str.split(',', n=1).str[1],
                         np.nan)

data['POSID'] = np.where(data['№ опер.'].str.startswith('POS'),
                         data['№ опер.'].str.split('(', n=1).str[1].str.split(')', n=1).str[0],
                         np.nan)

Заполняем значения null вниз.

data['Адрес'] = data['Адрес'].ffill()
data['POSID'] = data['POSID'].ffill()

Отфильтруем значения null по столбцу Дата опер.

data = data[data['Дата опер.'].notnull()]

Назначить типы данных для столбцов № опер, POSID.

data = data.astype({'№ опер.': int,
                    'POSID': int})

Записать полученную готовую таблицу в .xlsx.

data.to_excel('transactions.xlsx',
              sheet_name='Transactions',
              index=False)