用Python实现数据筛选与匹配实例

下面我们将学习两个项目案例代码，分别解决Excel常见场景中的数据筛选问题和数据匹配问题。

数据筛选要求我们在表中筛选出符合条件的数据。
数据匹配需要我们在多个表之间匹配相关的数据。

与之前一样，完成项目问题的代码，需要我们先分析数据筛选和数据匹配的需求，再找到对应知识点，确定代码的执行顺序，从而实现项目代码。

案例一：数据筛选

这个案例需要我们筛选出迟到人员的信息，来具体看看。

在【10月考勤统计.xlsx】工作簿中，保存了公司一百名员工的迟到信息，这些信息包含了迟到时间和迟到次数。

公司规定，迟到时间超过45分钟且迟到过3次以上的员工记为考勤不合格，需要扣除300的考勤保证金。

之前的同事需要把筛选后的结果保存为【10月迟到人员信息.xlsx】，并将整理后的信息上报给领导。

那么如何用代码实现这个场景呢？

在编写代码之前，我们要先明确任务需求。

根据公司的规定，筛选出【10月考勤统计.xlsx】中迟到时间大于45分钟并且迟到次数超过3次以上的员工信息，将迟到人员信息打印出来后再存入新工作簿【10月迟到人员信息.xlsx】中。

代码实现：

from openpyxl import load_workbook, Workbook
 
# 打开【10月考勤统计.xlsx】工作簿
wb = load_workbook('./material/10月考勤统计.xlsx')
# 获取活动工作表
ws = wb.active
print(ws)
print(ws[1])
print('----------------')
# 获取表头
late_header = []
for cell in ws[1]:
    late_header.append(cell.value)
    print(cell.value)
 
# 新建工作簿
new_wb = Workbook()
# 获取新工作簿中的工作表
new_ws = new_wb.active
 
# 将表头写入新工作簿的工作表中
new_ws.append(late_header)
 
# 从第二行开始遍历表格
for row in ws.iter_rows(min_row=2, values_only=True):
    # 取出姓名，迟到时间和迟到次数
    name = row[1]
    time = row[3]
    number = row[-1]
    # 判断是否迟到
    if time > 45 and number > 3:
        print('{}迟到了{}分钟，迟到了{}次'.format(name, time, number))
        # 将迟到人员信息写入新工作簿的工作表中
        new_ws.append(row)
 
# 将新工作簿保存为【10月迟到人员信息.xlsx】
new_wb.save('./material/10月迟到人员信息.xlsx')

 运行结果：

根据任务需求，我们需要获取两部分数据：表头数据和表头以外的所有数据。

你可能会比较疑惑，为什么要单独获取表头数据呢？

由于任务需要我们生成新的工作簿【10月迟到人员信息.xlsx】，新工作簿中的表头与【10月考勤统计.xlsx】相同，所以我们需要获取到表头的数据以便后续使用。

使用数据

我们需要在这一步实现数据筛选功能，通过分析任务需求可以总结出三个筛选条件：

1）迟到时间大于45分钟。
2）迟到次数大于3次。
3）同时满足上面两个条件。

明确了筛选条件后，就可以借助条件判断语句，比较运算符，成员运算符和逻辑运算符等Python基础知识，实现对于数据的筛选，即将上面得到的筛选条件用Python语言实现出来。

假设我们用time来代表迟到时间，用number代表迟到次数，那么筛选条件就可以写为：
if time > 45 and number > 3:

数据输出

完成筛选后，我们需要根据实际需求将筛选结果输出到终端，或将筛选结果保存起来。

本次任务要求我们将筛选后的员工信息打印出来，并且存储到【10月迟到人员信息.xlsx】中。

如果需要获取工作簿中满足某些条件的数据，这种场景就可以被归类为数据筛选场景。

处理该场景时，可以按照获取数据，使用数据和数据输出这三个步骤来处理。

首先是获取数据，使用上节课学习过的表格读写的相关知识，根据任务需求，确定要获取的是零散的单元格，是单行/单列，还是多行/多列的数据。

数据筛选的关键落在了筛选二字上，我们可以在使用数据这一步中实现筛选功能。

在这一步，要仔细理解任务需求，明确筛选条件，然后根据实际情况，选择Python基础语法的相关知识（条件判断语句，比较运算符，成员运算符和逻辑运算符），构造筛选条件。

最后是数据输出部分，根据实际需要输出筛选结果，或将筛选结果保存起来。总结起来可以分为三类：

1）将筛选的结果存入学过的数据结构里，比如：列表，元组或字典。
2）将筛选的结果存入文件中。
3）将筛选的结果打印出来。

案例二：数据匹配

这个案例需要我们匹配两张表格中指定的迟到次数，先来看看案例场景。

现有两张表格，【10月考勤统计.xlsx】中记录了员工十月份的迟到次数数据，这份表格是公司行政手动记录的。

【迟到次数月度统计（10月更新）.xlsx】中按月记录了员工每月的迟到次数数据，这份表格是由公司的考勤系统自动生成的。

两份表格中的数据可以通过工号一一对应。

现需要核对两张表格中10月迟到次数是否匹配（即两表中相同工号在十月份的迟到次数是否一致），并在终端提醒相关人员去核查不匹配的情况。

 代码实现：

from openpyxl import load_workbook
 
# 打开工作簿【10月考勤统计.xlsx】，获取活动工作表
wb = load_workbook('./material/10月考勤统计.xlsx')
ws = wb.active
 
# 创建迟到人员字典
info_dict = {}
 
# 循环读取除表头外的表格数据
for row in ws.iter_rows(min_row=2, values_only=True):
    # 取出员工工号
    staff_id = row[0]
    # 取出迟到次数
    staff_late = row[-1]
    # 将信息添加入字典，字典格式为{'员工工号': '迟到次数'}
    info_dict[staff_id] = staff_late
 
# 打开工作簿【迟到次数月度统计（10月更新）.xlsx】，获取活动工作表
monthly_wb = load_workbook('./material/迟到次数月度统计（10月更新）.xlsx')
monthly_ws = monthly_wb.active
 
# 循环读取出表头外的表格数据
for monthly_row in monthly_ws.iter_rows(min_row=3, max_col=13, values_only=True):
    # 取出员工工号
    member_id = monthly_row[0]
    # 取出十一月份的迟到次数
    member_late = monthly_row[-1]
    # 匹配迟到次数是否相等
    if member_late != info_dict[member_id]:
        print('工号{}迟到情况不匹配，请核查后更新'.format(member_id))

 运行结果：

为什么会选择存储到字典中呢？

因为字典可以很好地体现出工号与迟到次数的对应关系，即{'工号': '迟到次数'}。

然后把【迟到次数月度统计（10月更新）.xlsx】中的迟到次数，与字典中存储的迟到次数进行匹配，再判断相同工号对应的迟到次数是否相同。