失眠网,内容丰富有趣,生活中的好帮手!
失眠网 > python对excel数据清洗_python数据清洗excel-阿里云开发者社区

python对excel数据清洗_python数据清洗excel-阿里云开发者社区

时间:2020-04-29 01:31:11

相关推荐

python对excel数据清洗_python数据清洗excel-阿里云开发者社区

python清洗excel的数据还是很简单的

这里就列举例子说一下

这是原始数据,这里要处理的是地区和薪水两个字段。

清洗前数据

import xlrd

import codecs

import re

def get_salary(salary):

# 利用正则表达式提取月薪,把待遇规范成千/月的形式

# 返回最低工资,最高工资的形式

if '-' in salary: # 针对1-2万/月或者10-20万/年的情况,包含-

low_salary = re.findall(pile('(\d*\.?\d+)'), salary)[0]

high_salary = re.findall(pile('(\d?\.?\d+)'), salary)[1]

if u'万' in salary and u'年' in salary: # 单位统一成千/月的形式

low_salary = float(low_salary) / 12 * 10

high_salary = float(high_salary) / 12 * 10

elif u'万' in salary and u'月' in salary:

low_salary = float(low_salary) * 10

high_salary = float(high_salary) * 10

else: # 针对20万以上/年和100元/天这种情况,不包含-,取最低工资,没有最高工资

low_salary = re.findall(pile('(\d*\.?\d+)'), salary)[0]

high_salary = ""

if u'万' in salary and u'年' in salary: # 单位统一成千/月的形式

low_salary = float(low_salary) / 12 * 10

elif u'万' in salary and u'月' in salary:

low_salary = float(low_salary) * 10

elif u'元' in salary and u'天' in salary:

low_salary = float(low_salary) / 1000 * 21 # 每月工作日21天

return low_salary, high_salary

def open_xlsx(file):

# 加载Excel数据,获得工作表和行数

data = xlrd.open_workbook(file) #读取工作表名称

table0 = data.sheet_by_name('51') #读取 当前sheet表

nrows = table0.nrows # 获取行数

return table0, nrows

def main():

table, nrows = open_xlsx('512.xlsx') # 调用打开excel的函数

print('一共有{}行数据,开始清洗数据'.format(nrows))

for i in range(1, nrows):

job = table.row_values(i)[0]

company = table.row_values(i)[1]

companytype = table.row_values(i)[2]

area = table.row_values(i)[3][:2] # 地区取到城市,把区域去掉

if area:

area_list.append(area)

experience = table.row_values(i)[4]

degree = table.row_values(i)[5]

salary = table.row_values(i)[6]

if salary: # 如果待遇这栏不为空,计算最低最高待遇

getsalary = get_salary(salary)

low_salary = getsalary[0]

high_salary = getsalary[1]

else:

low_salary = high_salary = ""

print('正在写入第{}条,最低工资是{}k,最高工资是{}k'.format(i, low_salary, high_salary))

output = ('{}\t{}\t{}\t{}\t{}\t{}\t{}\t{}\n').format(job, company, companytype, area,

experience,degree, low_salary, high_salary

)

f = codecs.open('51jobanaly.xls', 'a+')

f.write(output)

f.close()

if __name__ == '__main__':

main()

主要把薪资处理成以千/月为单位。保留城市。

处理后的数据:

处理后的数据

如果觉得《python对excel数据清洗_python数据清洗excel-阿里云开发者社区》对你有帮助,请点赞、收藏,并留下你的观点哦!

本内容不代表本网观点和政治立场,如有侵犯你的权益请联系我们处理。
网友评论
网友评论仅供其表达个人看法,并不表明网站立场。