别再死记硬背了！老教授教你用Python“偷懒”搞定期末作业

同学们，又到了一年一度的期末“渡劫”时刻。看着你们一个个抱着厚厚的书本，疯狂地寻找着所谓的“考前突击包”，我就忍不住想叹气。你们啊，总是想着临时抱佛脚，考完试就万事大吉。但是，编程这玩意儿，不是背书，是实践！

今天，我不打算给你们讲那些枯燥的语法和概念。我要教你们用Python来“偷懒”，解决一些实际问题。记住，这才是学习Python的真正意义！

场景：批量处理Excel表格

假设你是一个新闻专业的学生，期末需要整理大量的采访记录，这些记录都以Excel表格的形式存储。你需要从每个表格中提取特定的信息，比如采访对象、采访时间、采访地点等等，然后汇总到一个总表中。如果手动操作，那得累死个人！

别怕，Python来帮你！

代码示例：提取Excel表格数据

下面是一个简单的Python代码示例，可以实现从Excel表格中提取数据的功能。代码短小精悍，注释清晰易懂，保证你们能看懂！

import pandas as pd
import os

# 定义一个函数，用于提取Excel表格数据
def extract_data(file_path, sheet_name, columns):
    try:
        df = pd.read_excel(file_path, sheet_name=sheet_name)
        # 只选取需要的列
        df = df[columns]
        return df
    except Exception as e:
        print(f"Error reading file {file_path}: {e}")
        return None

# 定义要提取的列名
columns = ['采访对象', '采访时间', '采访地点', '采访内容']

# 指定Excel文件所在的文件夹
folder_path = 'interviews'

# 创建一个空的DataFrame，用于存储所有提取的数据
all_data = pd.DataFrame()

# 遍历文件夹中的所有Excel文件
for filename in os.listdir(folder_path):
    if filename.endswith('.xlsx') or filename.endswith('.xls'):
        file_path = os.path.join(folder_path, filename)
        # 提取数据
        data = extract_data(file_path, 'Sheet1', columns) # 假设数据在名为'Sheet1'的工作表中
        if data is not None:
            # 将提取的数据添加到总表中
            all_data = pd.concat([all_data, data], ignore_index=True)

# 将总表保存到Excel文件中
all_data.to_excel('summary.xlsx', index=False)

print('数据提取完成！')

代码解释：

1. import pandas as pd: 导入pandas库，这是一个用于数据分析的强大工具。你可以把它想象成一个Excel的增强版。
2. import os: 导入os库，用于处理文件和目录。
3. extract_data(file_path, sheet_name, columns): 定义一个函数，用于提取Excel表格数据。这个函数接受三个参数：file_path（Excel文件路径）、sheet_name（工作表名称）和columns（要提取的列名）。
4. pd.read_excel(file_path, sheet_name=sheet_name): 使用pandas读取Excel文件。
5. df[columns]: 从DataFrame中选取指定的列。
6. folder_path = 'interviews': 指定Excel文件所在的文件夹。你需要把你的Excel文件都放在这个文件夹里。
7. all_data = pd.DataFrame(): 创建一个空的DataFrame，用于存储所有提取的数据。
8. for filename in os.listdir(folder_path):: 遍历文件夹中的所有文件。
9. if filename.endswith('.xlsx') or filename.endswith('.xls'):: 判断文件是否为Excel文件。
10. os.path.join(folder_path, filename): 拼接文件路径。
11. all_data = pd.concat([all_data, data], ignore_index=True): 将提取的数据添加到总表中。
12. all_data.to_excel('summary.xlsx', index=False): 将总表保存到Excel文件中。

使用方法：

1. 确保你已经安装了pandas库。如果没有安装，可以使用pip install pandas命令安装。
2. 将所有的Excel文件放在一个名为interviews的文件夹中（你也可以修改代码中的folder_path变量）。
3. 修改代码中的columns变量，指定你要提取的列名。
4. 运行代码，等待程序执行完成。
5. 你将在当前目录下找到一个名为summary.xlsx的Excel文件，里面包含了所有提取的数据。

实际应用中的“坑”和“陷阱”

• 编码问题： 如果你的Excel文件包含中文，可能会遇到编码问题。 解决方法是在读取Excel文件时，指定编码方式，例如pd.read_excel(file_path, encoding='gbk')或pd.read_excel(file_path, encoding='utf-8')。
• 数据格式问题： Excel表格中的数据格式可能不统一，例如日期格式、数字格式等等。你需要根据实际情况进行数据清洗和转换。
• 工作表名称问题： 代码中假设数据在名为Sheet1的工作表中。如果你的数据在其他工作表中，你需要修改代码中的sheet_name变量。
• 文件路径问题： 确保你的文件路径是正确的。可以使用绝对路径，也可以使用相对路径。

你们啊，不要总是想着照搬代码，要自己动脑筋！ 遇到问题要学会调试，要学会查阅pandas教程和官方文档。 这才是解决问题的正确姿势！

灵魂拷问：这段代码的效率如何？如何优化？

这段代码虽然简单易懂，但是效率并不高。如果Excel文件数量很多，或者文件很大，那么程序的运行速度可能会很慢。

那么，如何优化这段代码呢？

• 多线程/多进程： 可以使用多线程或多进程来并行处理Excel文件，提高程序的运行速度。
• 使用更高效的库： 可以使用openpyxl等更高效的库来读取Excel文件。
• 优化算法： 可以尝试使用更高效的算法来提取数据。

记住，编程的世界是无限的！ 永远不要停止学习和探索！

最后的唠叨

别以为考完试就万事大吉了，以后还有很多路要走！ 编程不是一蹴而就的事情，需要长期坚持和实践。 希望你们能通过这门“水课”，对编程产生真正的兴趣，并将其应用到自己的专业领域中。 记住，Python不是一门枯燥的课程，而是一个充满乐趣和创造力的工具！

还有， Python期末复习资料 看看也行，但别指望靠它就能过关！