Python-сообщество

Если есть желание, то можно замутить БД, например, на легоньком и простеньком sqlite. Для чтения из xls файлов (не xlsx) вполне достаточно простенькой библиотеки xlrd. В этом случае можно будет импортировать в БД без использования какого-либо офисного пакета под любой ОС: хошь под линем, хошь под вендой. Есть и другие варианты импорта. Тут на вкус и цвет все они разные. Мне больше нравится чтение через xlrd, т.к. чем-то напоминает уже знакомые выражения из макросов.
Если данных немного и, в дальнейшем, не придвидится расширение, то вполне можно обойтись силами самого excell, его встроенные формулы могут многое.

ToMaTkuH
Файлы Екселя весят не более 50кб, там таблицы максимум 40*100 ячеек

Rafik
силами самого excell

excel
[ɪkˈsel]
_v. 1> превосходить (in, at); to excel smb. at smth. превосходить кого-л. в чём-л.
2> выдаваться, выделяться; to excel as an orator быть выдающимся оратором

Отредактировано py.user.next (Окт. 15, 2019 04:56:15)

doza_and
ToMaTkuH
Файлы Екселя весят не более 50кб, там таблицы максимум 40*100 ячеек
Это очень очень маленькие таблицы.

Я бы тогда рекомендовал все импортировать(xlrd) и построить нужные структуры данных на питоне. А сохранение в пикл использовать при необходимости. Это хорошее упражнение для освоения пионовских структур данных. При таком подходе вы лишаете сея возможности использовать sql но это может и избыточно.

Следующий шаг такой, опишите тут одну из рутинных задачек, вам подскажут как с ней справляться.

Прикреплённый файлы:
Salesdynamics00000001.xlsx (12,7 KБ)

> так как наша команда использует свой собственный софт, в котором нет возможности считать подобное, есть только возможность выгружать данные.

ИХМО я бы на твоём месте напряг автора этого софта, иначе вечно придётся какими-то промежуточными решениями пользоваться.

Я бы использовал библиотеку openpyxl, которая создана для работы именно с xlsx файлами.
Есть неплохая документация с туториалом и примерами. Имеется возможность вставлять формулы в документ. Можно через calculate_dimension() получить имена начальной и конечной ячеек, занимаемых таблицей. Для преобразования индекса колонки в букву и наоборот есть соответствующие функции в openpyxl.utils
Мне думается, что скриптом сгенерить и записать формулы в документ не составит особого труда.

Отредактировано Rafik (Окт. 16, 2019 18:34:08)

Rodegast
> так как наша команда использует свой собственный софт, в котором нет возможности считать подобное, есть только возможность выгружать данные.

ИХМО я бы на твоём месте напряг автора этого софта, иначе вечно придётся какими-то промежуточными решениями пользоваться.

Rafik
Я бы использовал библиотеку openpyxl, которая создана для работы именно с xlsx файлами.
Есть неплохая документация с туториалом и примерами. Имеется возможность вставлять формулы в документ. Можно через calculate_dimension() получить имена начальной и конечной ячеек, занимаемых таблицей. Для преобразования индекса колонки в букву и наоборот есть соответствующие функции в openpyxl.utils
Мне думается, что скриптом сгенерить и записать формулы в документ не составит особого труда.

Отредактировано Rafik (Окт. 16, 2019 18:34:08)

ToMaTkuH
Если кто сможет помочь советом я буду очень благодарен

 import xlrd
import re
import numpy as np
import pickle
import os
db="out.pkl" #:)
nm="Salesdynamics00000001.xlsx"
book = xlrd.open_workbook(nm)
sheet = book.sheet_by_index(0)
# импорт данных
if os.path.exists(db)
    with open(db,"rb") as f:
        res = pickle.load(f)
else:
    res={}
for i in range(sheet.ncols):
    val = sheet.cell(4,i).value # жестко заданы позиции потому что непонятно что и как выгружается
    found = re.match("Реализация +(.+)",val)
    if found:
        key = found.group(1) # просили в словарь засунуть но это не очень хорошая идея поскольку словарь неупорядоченное множество, текущая версия сохраняет порядок добавления элементов, но это лучше не использовать
        res[key] = np.array(sheet.col_values(i)[5:])
with open(db,"wb") as f:
    pickle.dump(res,f)

ToMaTkuH
На основе трех уже созданных кортежей, создавать, новый в котором будет сумма предыдущих(кортежей) трех.

 # обработчики полезно делать отдельно
with open(db,"rb") as f:
    res = pickle.load(f)
alldata = np.array([v for k,v in res.items()])
print(np.cumsum(alldata,axis=1)) 

Отредактировано doza_and (Окт. 18, 2019 21:25:41)

Спасибо, за развернутый ответ, сейчас читаю про xlrd, как будут первые успехи обязательно отпишусь.