python实现Excel数据根据规则拆分为多个Excel 📅 发布时间:2026/7/9 6:00:25 👁️ 浏览次数: 有时需要将一个excel文件数据按一定规则拆分为多个excel比如有一个销售总表里面含有各个销售员的销售数据现在有需要把各个销售员的销售数据从总表中分离出来独立建立一个Excel文件面对这个场景一使用python可以快速实现代码如下# -*- coding: UTF-8 -*- # # ProjectName: pythonws001 # Filename: excel_seperate.py # Copyright www.637hulian.com # Author: shenzhennba(Administrator) # Version 1.0 # Since 2026/3/8 13:51 # # excel根据文件内容根据某规则拆分为多个excel # from openpyxl import Workbook, load_workbook import os import random import pandas as pd def init_excel(save_path, excel_file_name, sheet_name): 建立excel和并初始化数据内容 if not os.path.exists(save_path): os.mkdirs(save_path) if not excel_file_name: print(请输入excel文件名必要参数) return if not excel_file_name.lower().endswith(.xlsx): print(请输入.xlsx格式的excel文件名必要参数) return if not sheet_name: print(请输入sheet名必要参数) return try: file_path os.path.join(save_path, excel_file_name) #创建 workbook 对象 wb Workbook() # 获取当前活跃的worksheet ws wb.active # 设置sheet名称 ws.title sheet_name #构造数据 salers [张三,李四,王五,赵六,老七] products [键盘, 鼠标, 主机, 显示器, 摄像头, 电源线, 音箱, 台灯, 电池, 内存条,电源] # 建立excel表头 ws[A1] 产品名称 ws[B1] 数量 ws[C1] 单价 ws[D1] 销售员 # 增加表体数据 for i in range(2,100): ws[fA{i}] random.sample(products, 1)[0] ws[fB{i}] random.randint(1,10) ws[fC{i}] random.randint(1,300) ws[fD{i}] random.sample(salers, 1)[0] # 数据保存并写入excel文件 wb.save(file_path) print(f初始化销售记录excel文件创建完成参见:{file_path}) except Exception as e: print(e) def excel_data_seperate(save_path, excel_file_name, sheet_name): 根据文件内容根据某规则拆分为多个excel 从销售总表中把各个销售员的销售数据分离并创建一个新的excel文件每个销售员一个文件 if not os.path.exists(save_path): print(f路径不存在请检查是否存在:{save_path}) return if not excel_file_name: print(请输入excel文件名必要参数) return if not excel_file_name.lower().endswith(.xlsx): print(请输入.xlsx格式的excel文件名必要参数) return if not sheet_name: print(请输入sheet名必要参数) return try: file_path os.path.join(save_path, excel_file_name) # 读取excel文件指定sheet名称的内容 df pd.read_excel(file_path, sheet_namesheet_name) # 去重获取销售员列表 sale_users df[销售员].unique() if len(sale_users) 1: print(销售总表中没有销售员信息请检查) return print(f销售总表中共有{len(sale_users)}个销售员分别为:{sale_users}) print(f正从总表分离出每个销售员的销售数据...) # 循环每个销售员并筛选该销售员相关数据 # 最后创建一个新的excel文件,名称格式为销售记录_销售员名.xlsx for sale_user in sale_users: print(f\n正在处理销售员:{sale_user}的数据...) user_df df[df[销售员] sale_user] # 创建新的excel文件 new_file_name f销售记录_{sale_user}.xlsx new_file_path os.path.join(save_path, new_file_name) user_df.to_excel(new_file_path, indexFalse) print(f销售记录_{sale_user}.xlsx 文件创建完成参见:{new_file_path}) except Exception as e: print(e) def main(): 主函数 save_path rF:\appData\tempExcel excel_file_name 销售总表01.xlsx sheet_name 销售记录表01 init_excel(save_path, excel_file_name, sheet_name) excel_data_seperate(save_path, excel_file_name, sheet_name) if __name__ __main__: main()二相关截图
全网最全 10个AI论文平台测评:本科生毕业论文写作必备工具推荐 随着人工智能技术的快速发展,AI写作工具在学术领域的应用日益广泛,成为本科生撰写毕业论文的重要辅助工具。然而,面对市场上琳琅满目的平台,如何选择真正适合自己的工具成为一大难题。为此,我们基于2026年的实际测评数… 2026/7/7 18:23:41
【openclaw】在windows下安装openclaw 先决条件 Windows 如果你用Linux安装,应该比较容易。不过考虑到日常使用大部分人都是windows,我就选择windows安装了。 LLM openclaw本质上是个agent助手,所以你得先有个大模型可用。 可以是在线的模型提供商,我的电脑是RTX4070显… 2026/7/8 7:06:59
OpenClaw完全入门指南:从零开始搭建你的AI助手 【引言:为什么选择OpenClaw?】最近AI助手领域又迎来了一位新星——OpenClaw。作为一个开源、可扩展的AI助手平台,OpenClaw正在迅速获得开发者和AI爱好者的青睐。与传统的闭源AI助手不同,OpenClaw提供了完全开放的自定义能力&#… 2026/7/8 5:53:45
出差:高铁过几站,说是下周有时间 这几天忙于工作,要出差广州。计划周三到,周四去现场去调试。早上早早出发,过了一站,突然说没时间,只能下周。我们两个同事这个气啊。。。最后下车,灰溜溜的回来了。如果公司人多,我不介意去广州… 2026/7/9 5:59:23
从BERT到GPT-3:3种主流大模型架构原理演进与核心代码解析 从BERT到GPT-3:3种主流大模型架构原理演进与核心代码解析在自然语言处理领域,Transformer架构的崛起彻底改变了游戏规则。从2017年Google提出原始Transformer开始,到如今GPT-3等千亿参数模型的广泛应用,大模型技术已经经历了多次关… 2026/7/9 5:57:23
《架构特别篇二:SYSTEM 层》 架构特别篇二:SYSTEM 层 — 硬件抽象的精髓在一张表里换芯片、换底板——只改一个文件 cc_h7_def.h。DMA 8 路串口不打架——靠 dma.c 里的一张映射表。.sct 分散加载——每一块内存放什么,编译期就决定了。这一章讲 SYSTEM 层的三个核心设计。1. cc_h7_def.h&#… 2026/7/9 5:55:22
SAM 与 YOLOv8-seg 性能对比:RTX 4090 实测推理速度、显存占用与分割精度 SAM 与 YOLOv8-seg 性能对比:RTX 4090 实测推理速度、显存占用与分割精度 在计算机视觉领域,图像分割一直是核心任务之一。随着深度学习技术的快速发展,各种分割模型层出不穷。本文将聚焦于当前最受关注的两类模型:Meta 推出的 Se… 2026/7/9 5:55:22
一线团队已全面启用:Cursor inline chat企业级落地手册(含安全沙箱配置、私有模型接入、审计日志埋点) 更多请点击: https://codechina.net 第一章:Cursor inline chat的核心价值与企业级定位 Cursor inline chat 不是简单的代码补全助手,而是嵌入开发工作流深处的智能协作者。它将自然语言交互能力直接耦合到编辑器光标位置,在不中… 2026/7/9 5:55:22
不花钱让NAS秒变发烧级数播!虚拟机部署 Daphile,音质直接起飞 不花钱让NAS秒变发烧级数播!虚拟机部署 Daphile,音质直接起飞哈喽小伙伴们好,我是Stark-C~说到数播(数字音频播放器)很多发烧友都不陌生,如果说“蓝光播放器”是播放高清画面的,而数播就是播放高… 2026/7/9 5:53:21
机器视觉与PLC集成:轮毂缺陷检测与字符识别误差控制在0.2mm内 机器视觉与PLC集成:轮毂缺陷检测与字符识别误差控制在0.2mm内的技术实现轮毂作为汽车关键零部件,其表面质量直接影响行车安全与美观。传统人工检测效率低且易漏检,而采用机器视觉与PLC集成方案可实现微米级精度检测。本文将深入解析高精度视觉… 2026/7/9 0:01:04
GBase 8a vs MySQL 8.0:ALTER TABLE语法与限制的5点关键差异对比 GBase 8a与MySQL 8.0:ALTER TABLE语法差异深度解析与实战指南1. 两种数据库的ALTER TABLE能力全景对比在数据库架构设计和运维过程中,表结构变更(DDL操作)是不可避免的需求。GBase 8a作为国产分析型数据库代表,与开源M… 2026/7/9 0:03:06
【大数据毕业设计】基于多源旅游数据的景区热度分析与推荐系统的设计与实现 基于 Django 的旅游偏好挖掘与景区推荐系统(源码+文档+远程调试,全bao定制等) 博主介绍:✌️码农一枚 ,专注于大学生项目实战开发、讲解和毕业🚢文撰写修改等。全栈领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围:&am… 2026/7/9 0:05:09
6个月转型AI工程师:实战路径与核心技能 1. 项目概述:6个月转型AI工程师的可行性路径在2023年大模型技术爆发的背景下,AI工程师岗位需求同比增长217%(LinkedIn数据)。不同于传统算法工程师需要3-5年培养周期,现代AI工程师更侧重工程化落地能力。我在硅谷科技公… 2026/7/7 11:26:57
TPAFE0808与PIC18F87K22的多通道信号采集方案 1. 项目背景与核心需求在工业自动化、医疗设备和科研仪器等领域,多通道信号采集与系统监测是基础且关键的技术需求。传统方案往往面临通道数量不足、信号调理复杂、系统集成度低等问题。TPAFE0808作为一款8通道模拟前端芯片,与PIC18F87K22微控制器的组合… 2026/7/8 20:15:17
STC3115与PIC18LF26K80构建高精度电池管理系统 1. STC3115与PIC18LF26K80在电池管理系统中的核心价值在现代电子设备中,电池管理系统(BMS)的重要性不亚于设备的核心处理器。STC3115作为一款高精度电池电量监测IC,与PIC18LF26K80微控制器的组合,构成了一个既能精确监控又能智能管理的完整解… 2026/7/8 14:25:08