背景
下图有这样一个数据表格
他的需求是：
- 以公司为行索引
- 时间为列索引
- 时间为列索引
- 最终将每月的数据保存到同一 .xls 文件中的不同 sheet中 以图示例需求：
实战
读取数据
我们想要通过 Python 来实现相应的功能，首先要想着能不能借助前辈封装好的库来实现。此处恰好是对接 excel 的表格数据处理、保存。所以我们就需要导入 numpy 、pandas
import pandas as pd
import numpy as np
df = pd.read_excel("合并1.xls")
df.head()
生成透视表
Pandas 可以通过 pivot_table 方法来生成透视表
df_pivot = pd.pivot_table(df,index='到期日/返售日', columns='额度占用人名称', values='票面金额',aggfunc=np.sum)
df_pivot.head()
实现按月取值
如果 到期日/返售日 为时间序列索引的话，那么实际上，想要通过月份去取此月所有的值，就可以直接通过 时间序列索引的切片 来实现。
此时，我们就来查看一下 透视表 的到期日/返售日是否就是时间序列索引类型。
df_pivot.info()
我们可以发现，其是整数索引类型，所以接下来我们需要将其 转为时间序列索引
# 重置索引
df_pivot = df_pivot.reset_index()
df_pivot.head()
# 将 到期日/返售日 修改为obejct类型
df_pivot["到期日/返售日"] = df_pivot["到期日/返售日"].astype("object")
df_pivot.dtypes
# 转为时间序列类型
df_pivot["到期日/返售日"] = pd.to_datetime(df_pivot["到期日/返售日"],format="%Y%m%d")
df_pivot
# 将时间序列设置为索引
df_pivot.set_index("到期日/返售日",inplace=True)
df_pivot.info()
df_pivot
创建工作簿，将每月数据保存到不同工作表中
此时，如果说我们的目的是将每月的数据保存到不同的工作簿中，那么直接使用 df.to_excel() 即可。但是，此时的需求是需要保存到同一工作簿的不同工作表中，怎么来实现呢？就可以通过 pd.ExcelWriter() 来实现
# 创建 工作簿 对象
writer = pd.ExcelWriter('拆分2.xls')
# 将最开始读出来的 df 数据 保存到 总表 中
df.to_excel(writer,sheet_name = '总表',index=False)
按照这个思路，我们很流畅的就会认为，通过时间序列索引切片出来的数据直接保存到不同的工作表中
df_pivot["2020-05"].to_excel(writer, sheet_name="2020-05")
但是此时大家会发现这个工作量是巨大的，因为我的数据是从 2020-05月 至 2021-05 月，整整一年呀~那怎么办呢？ 如果我们有一个盒子，里面装着 2020-05,2020-06,2020-07...2021-04,2021-05 所有数据，那我们就可以通过 for 循环，将每一个值取出传入 df_pivot["值"] 中
但是，这样如果这样做，数据量是10年甚至更大的时候怎么办？
- 生成以 月 为频率的时间索引
- 将其进行日期格式的调整
- 进行时间序列索引取值
- 保存至工作表中
- 切记，保存工作簿
for i in pd.date_range("2020-05","2021-05",freq="MS"):
df_time = datetime.strftime(i,"%Y-%m")
df_data = df_pivot[df_time]
df_data.to_excel(writer,sheet_name=str(df_time))
writer.save()
OK,这样就完美的解决了我们的需求了。Python对于自动化办公的辅助还是非常强大的，每天进步一小步，你会发现距离优秀的你是如此之近。
