Поднабор кадра данных на основе цвета ячейки и цвета текста в листе Excel - PullRequest
Новая
       63

Поднабор кадра данных на основе цвета ячейки и цвета текста в листе Excel

0 голосов
/ 04 сентября 2018

У меня есть лист Excel с более чем 1000 столбцами и 300 строками. Некоторые из этих ячеек имеют нормальные данные, в то время как некоторые ячейки имеют красный цвет фона, а некоторые ячейки имеют нормальный белый фон, но текст имеет красный цвет. Например, мой лист Excel выглядит следующим образом:

enter image description here

Я читаю этот лист Excel в Python (панды), чтобы использовать его в качестве блока данных и выполнять с ним дальнейшие действия. Однако красный текст и красные ячейки должны обрабатываться иначе, чем нормальные ячейки.

Поэтому я хотел бы разбить приведенную выше таблицу на 3 таблицы, так что: В первой таблице есть все ячейки, но ячейки красного фона пусты. В таблице 2 есть только те строки и столбцы, где текст красного цвета. В таблице 3 есть только те строки и столбцы, фон которых красный.

Полагаю, это невозможно сделать в Пандах. Я пытался использовать StyleFrame, но не удалось.

Может ли кто-нибудь помочь в этом отношении? Есть ли какой-нибудь пакет Python, который может быть полезен в этом случае?

1 Ответ

0 голосов
/ 04 сентября 2018

Это в значительной степени способ достичь этого. Это не очень , так как StyleFrame не был предназначен для такого использования.

Чтение исходного файла Excel 

import numpy as np
from StyleFrame import StyleFrame, utils

sf = StyleFrame.read_excel('test.xlsx', read_style=True, use_openpyxl_styles=False)

1) Все ячейки, кроме ячеек с красным фоном, пусты 

def empty_red_background_cells(cell):
    if cell.style.bg_color in {utils.colors.red, 'FFFF0000'}:
        cell.value = np.nan
    return cell

sf_1 = StyleFrame(sf.applymap(empty_red_background_cells))    
print(sf_1)
#      C1       C2 C3    C4      C5      C6
# 0    a1      1.0  s   nan  1001.0  1234.0
# 1    a2     12.0  s   nan  1001.0  4322.0
# 2    a3      nan  s   nan  1001.0  4432.0
# 3    a4    232.0  s   nan  1001.0  4432.0
# 4    a5    343.0  s  99.0     nan     nan
# 5    a6      3.0  s  99.0  1001.0  4432.0
# 6    a7     34.0  s  99.0  1001.0  4432.0
# 7    a8      5.0  s   nan  1001.0  4432.0
# 8    a9      6.0  s  99.0  1001.0  4432.0
# 9   a10    565.0  s  99.0     nan  4432.0
# 10  a11   5543.0  s  99.0  1001.0  4432.0
# 11  a12    112.0  s  99.0  1001.0     nan
# 12  a13  34345.0  s  99.0  1001.0  4432.0
# 13  a14      0.0  s  99.0     nan     nan
# 14  a15    453.0  s  99.0  1001.0     nan

2) Только ячейки с красным текстом 

def only_cells_with_red_text(cell):
    return cell if cell.style.font_color in {utils.colors.red, 'FFFF0000'} else np.nan

sf_2 = StyleFrame(sf.applymap(only_cells_with_red_text).dropna(axis=(0, 1), how='all'))
# passing a tuple to pandas.dropna is deprecated since pandas 0.23.0, but this can be
# avoided by simply calling dropna twice, once with axis=0 and once with axis=1

print(sf_2)
#         C2      C6
# 7     nan   4432.0
# 8     nan   4432.0
# 9    565.0     nan
# 10  5543.0     nan
# 11   112.0     nan

3) Только ячейки с красным фоном 

def only_cells_with_red_background(cell):
    return cell if cell.style.bg_color in {utils.colors.red, 'FFFF0000'} else np.nan

sf_3 = StyleFrame(sf.applymap(only_cells_with_red_background).dropna(axis=(0, 1), how='all'))
# passing a tuple to pandas.dropna is deprecated since pandas 0.23.0, but this can be
# avoided by simply calling dropna twice, once with axis=0 and once with axis=1

print(sf_3)
#        C4      C6
# 0    99.0     nan
# 1    99.0     nan
# 2    99.0     nan
# 3    99.0     nan
# 13    nan  4432.0
# 14    nan  4432.0
...