Tablib是一个用于处理电子表格(如 Excel,CSV,JSON)的Python 库。它提供了一种简单而强大的方式来操作和处理数据。利用Tablib,我们可以轻松地读取、写入、过滤和转换各种类型的电子表格数据。Tablib 具有一致且易于使用的 API,以在不同的数据格式之间进行无缝转换。比如,Tablib可以将数据从Excel表格导入为Python对象,然后将其转换为JSON或CSV格式,并进行相应的操作和分析。此外Tablib还支持对数据进行排序、筛选和合并等常见操作。Tablib官方仓库地址为:tablib,Tablib官方文档地址为:tablib-doc。
Tablib需要在Python3.6+版本下安装,安装命令如下:
pip install tablib
import tablib # 查看版本 tablib.__version__
'3.4.0'
1 Tablib使用
1.1 表格创建
创建数据结构
# 创建表 data = tablib.Dataset() type(data)
tablib.core.Dataset
# 查看表格名字,默认为空 data.title
# 设置表的名字 data.title = 'data' data.title
'data'
数据添加
# 添加行 data.append(['John', 28]) data.append(['Tom', 16]) data.append(['Jane', 32]) # 查看数据,list格式 data.dict # 或者 # print(data)
[['John', 28], ['Tom', 16], ['Jane', 32]]
# 添加标题行 data.headers = ['Name', 'Age'] # data.dict print(data)
Name|Age ----|--- John|28 Tom |16 Jane|32
# 添加列 # 需要和当前行数一致 data.append_col(['USA', 'UK','UK'], header='Country') # data.dict print(data)
Name|Age|Country ----|---|------- John|28 |USA Tom |16 |UK Jane|32 |UK
选择行或列
# 选择第一行 data[0]
('John', 28, 'USA')
# 选择第一行第三列 data[0][2]
'USA'
# 选择列 data['Age']
[28, 16, 32]
# 获得表头 data.headers
['Name', 'Age', 'Country']
# 基于索引获得列 data.get_col(0)
['John', 'Tom', 'Jane']
删除行或列
# 删除列 del data['Country'] # 删除行 # del data[:-1] print(data)
Name|Age ----|--- John|28 Tom |16 Jane|32
行列高级操作
# 表格转置 transposed_data = data.transpose() print(transposed_data)
Name|John|Tom|Jane ----|----|---|---- Age |28 |16 |32
# 读取数据维度 data.width,data.height
(2, 3)
# 按照字段排序 # 年龄从大到小排序 data = data.sort("Age",reverse=True) print(data)
Name|Age ----|--- Jane|32 John|28 Tom |16
# 计算平均年龄 ages = data['Age'] float(sum(ages)) / len(ages)
25.333333333333332
# 移除第一行 tmp = data.lpop() print(data)
Name|Age ----|--- John|28 Tom |16
# 第一行添加数据 data.lpush(list(tmp)) print(data)
Name|Age ----|--- Jane|32 John|28 Tom |16
# 在最左侧插入一列数据 new_column = ['Engineer', 'Doctor','Doctor'] data.lpush_col(new_column, header='Profession') print(data)
Profession|Name|Age ----------|----|--- Engineer |Jane|32 Doctor |John|28 Doctor |Tom |16
# 移除最后一行 # data.pop() # print(data)
# 移除重复行 # 创建数据集 data = tablib.Dataset() data.headers = ['Name', 'Age'] data.append(['Alice', 25]) data.append(['Alice', 30]) data.append(['Alice', 25]) # 重复行 # 去除重复行,必须所有列值一样 data.remove_duplicates() print(data)
Name |Age -----|--- Alice|25 Alice|30
表格合并
# 创建两个表格 data1 = tablib.Dataset() data1.headers = ['Name', 'Age'] data1.append(['Alice', 25]) data1.append(['Bob', 30]) data2 = tablib.Dataset() data2.headers = ['Name', 'Occupation'] data2.append(['Alice', 'Engineer']) data2.append(['Bob', 'Doctor'])
# 按行合并 # 使用stack方法合并两个表格 stacked_data = data1.stack(data2) print(stacked_data)
Name |Age -----|-------- Alice|25 Bob |30 Alice|Engineer Bob |Doctor
# 按列合并 # 两个表格行数需要一致 # 使用stack_cols方法合并两个表格的列 stacked_cols_data = data1.stack_cols(data2) print(stacked_cols_data)
Name |Age|Name |Occupation -----|---|-----|---------- Alice|25 |Alice|Engineer Bob |30 |Bob |Doctor
1.2 数据导入与导出
数据导出
Tablib使得用户可以根据具体需求将数据灵活地导出到不同的环境中,并与其他工具进行无缝集成和交互。转换的结果是这些格式的对象表示而不是存为本地文件。这些格式包括但不限于:
- CSV:常见的电子表格格式,每个字段由逗号分隔。
- JSON:一种常见的数据交换格式,以键值对的形式存储数据。
- Excel:电子表格格式,需要额外安装库,可以包含多个工作表,并支持公式和图表等功能。
- YAML:一种易读的数据序列化格式,常用于配置文件。
- HTML:用于创建网页的标记语言。
- Pandas DataFrame:Pandas是另一个Python库,用于数据处理和分析。Tablib支持将数据导出为Pandas DataFrame。
Tablib提供了两种方式将数据导出为其他格式,一种是调用export函数,一种是调用自带属性。如下所示data.export('csv') 和data.csv都可以用于获取Dataset数据的CSV表示:
data.export('csv') data.csv
具体示例代码如下:
# 创建表格 data = tablib.Dataset() data.headers = ['Name', 'Age'] data.append(['John', 28]) data.append(['Tom', 16]) data.append(['Jane', 32])
# 导出为csv字符流 data_csv = data.export('csv') print(type(data_csv)) # 导出数据到本地csv文件 with open('data.csv', 'w') as f: f.write(data_csv)
<class 'str'>
# 导出为json字符串 data_json = data.export('json') type(data_json) # 将json字符串解析为Python对象 import json data_json = json.loads(data_json) print(data_json)
[{'Name': 'John', 'Age': 28}, {'Name': 'Tom', 'Age': 16}, {'Name': 'Jane', 'Age': 32}]
# 将数据集对象保存为json文件 with open('data.json', 'w') as f: f.write(data.export('json'))
# 保存为yaml文件 with open('data.yml', 'w') as f: f.write(data.export('yaml'))
# 将数据集保存为xls文件,注意使用wb模式 # 需要安装额外库 # pip install xlrd # pip install xlwt with open('data.xls', 'wb') as f: f.write(data.export('xls')) with open('data.xlsx', 'wb') as f: f.write(data.export('xlsx'))
# 转换为html # 需要安装MarkupPy库 # pip install MarkupPy with open('data.html', 'w') as f: f.write(data.export('html'))
# 转换为pandas的dataframe # 需要安装Pandas库 df = data.export('df') df.head()
Name | Age | |
---|---|---|
0 | John | 28 |
1 | Tom | 16 |
2 | Jane | 32 |
数据导入
我们可以使用tablib库导入多种格式的文件,以初始化tablib的数据对象。如下所示:
with open('data.csv', 'r') as fh: imported_data = tablib.Dataset().load(fh) print(imported_data)
Name|Age ----|--- John|28 Tom |16 Jane|32
对于表格类格式,如csv格式,也可以不导入标题行,即不将第一行作为标题行,如下所示:
with open('data.csv', 'r') as fh: # headers=False不导入标题行 imported_data = tablib.Dataset().load(fh,headers=False) print(imported_data)
Name|Age John|28 Tom |16 Jane|32
对于支持多表的xls、xlsx,当前默认打开第一个表,注意使用rb模式。多表管理见下一节。
with open('data.xls', 'rb') as fh: imported_data = tablib.Dataset().load(fh, 'xls') print(imported_data)
Name|Age ----|---- John|28.0 Tom |16.0 Jane|32.0
1.3 多表管理
在Tablib中,Databook是一种数据结构,用于组织和管理多个数据表(Data Table。Databook提供了一种方便的方式来操作和处理多个数据表
创建Databook
# 创建Databook databook = tablib.Databook()
# 创建第一个数据表 data_table1 = tablib.Dataset() # 设置数据表的列和数据 data_table1.headers = ['Name', 'Age'] data_table1.append(['John', 25]) data_table1.append(['Alice', 30]) # 设置表名 data_table1.title = "table1" # 添加数据表到 Databook databook.add_sheet(data_table1)
# 创建二个数据表 data_table2 = tablib.Dataset() # 设置数据表的列和数据 data_table2.headers = ['Name', 'Age'] data_table2.append(['Jane', 34]) data_table2.append(['Mike', 14]) # 设置表名 data_table2.title = "table2" # 添加数据表到 Databook databook.add_sheet(data_table2)
# 可以利用现有表一次性创建Databoook tablib.Databook((data_table1, data_table2))
<databook object>
查看databook
# 查看子表数量 databook.size
2
# 查看各表 databook.sheets()
[<table1 dataset>, <table2 dataset>]
根据索引获得表
for index,table in enumerate(databook.sheets()): print(f" ntable{index}") print(table)
table0 Name |Age -----|--- John |25 Alice|30 table1 Name|Age ----|--- Jane|34 Mike|14
保存与导入
databook支持保存xlsx和xls文件,但是导入仅支持xlsx文件。
# 保存为xlsx文件 with open('databook.xlsx', 'wb') as f: f.write(databook.export('xlsx'))
# 多表导入 with open(r'databook.xlsx', 'rb') as fh: databook = tablib.Databook().load(fh, 'xlsx') print(databook.sheets())
[<table1 dataset>, <table2 dataset>]
1.4 进阶使用
动态列
Talblib允许在数据表格中随意创建和管理动态列。这些列不需要预先定义,可以根据需要随时添加、删除和修改。如下所示根据随机函数设置列:
# 导入数据 with open('data.csv', 'r') as fh: data = tablib.Dataset().load(fh) print(data)
Name|Age ----|--- John|28 Tom |16 Jane|32
import random # 随机设置分数 def random_grade(row): # 根据传入的行设置不同数据标准 if int(row[1]) > 30: return (random.randint(59,100)/100.0) else: return (random.randint(60,99)/100.0) data.append_col(random_grade, header='Grade') print(data)
Name|Age|Grade ----|---|----- John|28 |0.65 Tom |16 |0.99 Jane|32 |0.79
数据过滤
Tablib提供了filter方法,以根据数据集的标签(tags)来过滤数据。
fruits = tablib.Dataset() fruits.headers = ['name', 'color'] # 添加tags为fruit与sour的行 fruits.append(['tomato', 'red'], tags=['fruit', 'sour']) fruits.append(['strawberry', 'red'], tags=['fruit', 'sweet' ]) fruits.append(['corn', 'yellow'], tags=['vegetable', 'sweet']) # 转换为其他格式,tags属性不会跟随转换 print(fruits.yaml)
- {color: red, name: tomato} - {color: red, name: strawberry} - {color: yellow, name: corn}
# 过滤出标签为vegetable的数据 fruits.filter(['vegetable']).df
name | color | |
---|---|---|
0 | corn | yellow |
# 过滤出标签为vegetable或sweet的数据 fruits.filter(['vegetable', 'sweet']).df
name | color | |
---|---|---|
0 | strawberry | red |
1 | corn | yellow |
# 先过滤出标签为fruit,再过滤为sour的数据 fruits.filter(['fruit']).filter(['sour']).df
name | color | |
---|---|---|
0 | tomato | red |
分割符
Tablib提供了append_separator函数,以在excel表格中添加分隔符,如下所示:
# Daniel和Suzie的测试数据 daniel_tests = [ ('11/24/09', 'Apple', 'Red'), ('05/24/10', 'Banana', 'Yellow') ] suzie_tests = [ ('11/24/09', 'Orange', 'Orange'), ('05/24/10', 'Grapes', 'Purple') ] # 创建新的数据集 tests = tablib.Dataset() tests.headers = ['Date', 'Fruit Name', 'Color'] # 添加分隔符 tests.append_separator('Fruits A') for test_row in daniel_tests: tests.append(test_row) # 添加分隔符 tests.append_separator('') for test_row in suzie_tests: tests.append(test_row) # 将数据集写入磁盘,以xls格式存储 with open('fruits.xls', 'wb') as f: f.write(tests.export('xls'))
通过展示xls数据,可以看到在某些行添加了空行数据。
# 导入pandas库 import pandas as pd # 从xls文件中读取数据,并将其存储在DataFrame中 pd.read_excel('fruits.xls', keep_default_na=False)
Date | Fruit Name | Color | |
---|---|---|---|
0 | Fruits A | ||
1 | 11/24/09 | Apple | Red |
2 | 05/24/10 | Banana | Yellow |
3 | |||
4 | 11/24/09 | Orange | Orange |
5 | 05/24/10 | Grapes | Purple |
格式化列
Tablib提供add_formatter函数用于向Dataset对象添加自定义格式化程序,以便在导出数据时按照指定格式进行格式化。
# 创建一个空的 Dataset 对象 data = tablib.Dataset() # 添加数据到 Dataset data.headers = ['name','age','role'] data.append(['John', 28, 'Developer']) data.append(['Amy', 25, 'Designer']) # 定义一个自定义的格式化函数 def custom_formatter(val): if isinstance(val, int): return f'Age: {val}' elif isinstance(val, str): return val.upper() else: return str(val) # 添加自定义格式化函数到 Dataset # 第一个参数可以为列号 data.add_formatter(0,custom_formatter) # 如果有列名,也可以指定列名 data.add_formatter('age',custom_formatter) # 导出数据并应用自定义格式化函数 data.df
name | age | role | |
---|---|---|---|
0 | JOHN | Age: 28 | Developer |
1 | AMY | Age: 25 | Designer |
创建子表格
# 创建表格 data = tablib.Dataset() data.headers = ['Name', 'Age','Profession'] data.append(['Alice', 25, 'Doctor']) data.append(['Bob', 30, 'Doctor']) data.append(['Jack', 28, 'Engineer']) # subset方法用于从现有的数据集中选择子集 # rows表示行号,rows=[0, 2]表示选择第0行和第2行 sub_data = data.subset(rows=[0, 2], cols=['Name', 'Profession']) sub_data.df
Name | Profession | |
---|---|---|
0 | Alice | Doctor |
1 | Jack | Engineer |