pandas 自动填充 Excel 文本时间值

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

不经意间在视频网站上看到一个 pandas 案例讲解视频，主要内容是关于用 Python 实现 Excel 手工操作时的数字、文本、时间等差填充功能。感觉博主实现时完全没有发挥 pandas 及 Python 的优势，不甚优雅，因此自己花了 10 分钟快速重新实现，逻辑得到了简化，代码量大大减少。

数据与需求

Excel 中的数据截图如下：

books-excel

文件可下载地址：Excel文件下载

需求为按规划填充以下列：

ID：从 1 到 20，等差为 1
InStore：是否店里有货，Yes、No 值交替
Date：购进日期，从 2018-01-01 开始下一个增加一个月

代码实现

首先，要读取 Excel 文件，观察得知数据左边和上边有空行和列，需要先跳过指定行数，指定读取列：

import pandas as pd

df = pd.read_excel('Books.xlsx', skiprows=3, usecols='C:F')
df.head()
'''
   ID      Name  InStore  Date
0 NaN  Book_001      NaN   NaN
1 NaN  Book_002      NaN   NaN
2 NaN  Book_003      NaN   NaN
3 NaN  Book_004      NaN   NaN
4 NaN  Book_005      NaN   NaN
'''

这样就成功读取到 Excel 文件有数据部分。接下来是做缺失数据的填充，按需求的要求，思路为用 assign 重新指定列的内容，各列：

ID：用 range() 生成等差数列，还有个办法是索引加 1
InStore：对 ['Yes', 'No'] 重复 20 次，用列表的乘法
Date：用 pd.date_range() 生成代码范围时间序列，周期 20 个，频率取月初即每月 1 日

代码如下：

(
    df.assign(ID=range(1, 21))
    .assign(InStore=['Yes', 'No']*10)
    .assign(Date=pd.date_range('2018-01-01', periods=20, freq='MS'))
)
'''
    ID      Name InStore       Date
0    1  Book_001     Yes 2018-01-01
1    2  Book_002      No 2018-02-01
2    3  Book_003     Yes 2018-03-01
3    4  Book_004      No 2018-04-01
4    5  Book_005     Yes 2018-05-01
5    6  Book_006      No 2018-06-01
6    7  Book_007     Yes 2018-07-01
7    8  Book_008      No 2018-08-01
8    9  Book_009     Yes 2018-09-01
9   10  Book_010      No 2018-10-01
10  11  Book_011     Yes 2018-11-01
11  12  Book_012      No 2018-12-01
12  13  Book_013     Yes 2019-01-01
13  14  Book_014      No 2019-02-01
14  15  Book_015     Yes 2019-03-01
15  16  Book_016      No 2019-04-01
16  17  Book_017     Yes 2019-05-01
17  18  Book_018      No 2019-06-01
18  19  Book_019     Yes 2019-07-01
19  20  Book_020      No 2019-08-01
'''

最终就完成了需求，如有需要可以对以上处理完成的数据做导出操作。

（完）

pandas 自动填充 Excel 文本时间值

数据与需求

代码实现

相关内容