如何使用 Python 自动检测 Excel 中的表格
Boo*_*d16 5 python excel pandas
我有数百个 Excel 文件和数百个表格。
我想使用 python 自动检测这些表并将它们转换为 pandas 数据帧。
关于这些表的一些关键事实：
- 这些表没有命名。
- 这些桌子的位置也是未知的
- 一张表可以有多个表（通常由几个空行分隔）
- 可能有注释
- 表格总是有一组带有值、行和列标签的单元格
- 列标签可能位于 1 行或 2 行（想想 pandas df 中的嵌套标题）
这是表格外观的示例。
这是我提出的解决方案（我希望您对此提出意见）：
- 从 Excel 中给定工作表的右下角开始（因此从下到上工作）
- 搜索其中包含值的单元格簇。假设您找到 4 个单元格（上面 2 个，下面 2 个），其中有数字。这表明您已降落在桌子上
- 然后你会算出这个表的尺寸，所以左上角和右下角，这将是 df 的值
- 然后您将计算出列/标题中有多少级别并提取标签
- 然后你会计算出行/索引中有多少层并提取标签
- 然后移至下一张表并重复
使用什么库？
- xlrd：非常快，但不读取 .xlsx 文件的单元格格式。它确实提供 .xls 文件的单元格格式信息，但不提供 .xlsx 的单元格格式信息。我们专注于 .xlsx。
- openpyxl：非常慢，使用大量内存，因为它将所有内容加载到内存中。它确实提供单元格格式信息。
在我的研究过程中，我遇到了这两个问题，它们相似，但提出的解决方案是基于 VBA 的，而我需要一个纯粹的 python 解决方案。