相信有不少朋友日常工作会用到 Excel 处理各式表格文件，更有甚者可能要花大把时间来做繁琐耗时的表格整理工作。最近有朋友问可否编程来减轻表格整理工作量，今儿我们就通过实例来实现 Python 对表格的自动化整理。

首先我们有这么一份数据表 source.csv：

我们要做的是从上表中提取数据，来生成一份符合以下要求的表格：按照以下分组名单 group.xls 来整理数据表中的数据：

最终要展现的数据项：

其中“K数据/60”为数据表中的“数据K”/60后保留的2位小数

我们先看手工 Excel 如何处理以上需求：要在 source.csv 数据表中读取读取每条数据，放入 group.xls 匹配的分组成员中，最后筛选需要的数据项，再对特定的 “数据K”进行运算处理。

那么 Python 又将如何操作呢？这里我们要用到功能强大的 pandas 库。pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。 pandas 百度百科

首先导入 pandas 库，通过相关的函数读取 csv 和 xls 表格内容：

import pandas as pd

# 读取 group.xls 分组信息

group = pd.read_excel("group.xls",header=None)

group.columns=["分组","角色"]

print(group)

# 读取 source.csv 获取所有成员数据

source = pd.read_csv("source.csv")

print(source)

我们可以首先对 source.csv 中的数据项进行筛选，需要的数据项有“角色”、“编号”、“数据B”、“数据C”、“数据D”和“数据K”：

# 通过 iloc[:,[列坐标]] 来定位需要的各列数据

filter_merge = source.iloc[:,[0,2,4,5,6,13]]

print(filter_merge)

接下来是根据分组角色来匹配角色数据，注意到 group.xls 和 source.csv 共有“角色”一项，我们可以通过此项将两个表格融合从而形成匹配填充的效果。

combine = pd.merge(group,filter_merge,on="角色")

接下来我们在第二列插入运算后的“数据K/60”：

combine.insert(1,"数据K/60",round(filter_merge["数据K"]/60,2))

最终，我们将生成的数据格式写入新的 xlsx 表格中：

combine.to_excel(excel_writer="result.xlsx",index=False)

最终自动生成的表格如下：

以上便是 Excel 表格整理的 Python 代码简单实现。