Python 从 CSV 文件中提取数据

Question

假设我们下面有一个样本数据

我想使用 Python 和从第 5 行（即交易 ID、交易名称、起始日期、到期日期）到第 8 行的额外数据。此外，一旦我提取了数据，我想将文件保存为以下格式 ExtensionReport202205.csv 并且整个内容应该是动态的。我使用跳过行和 iloc 来获取行但它不是动态的？所以请多多指教。

[![在此处输入图片描述][2]][2]

我的实际表：

错误信息图片： [2]：https://i.stack.imgur.com/e8XNx.jpg

Answer 1

这可能对你有用。虽然如果您有其他要求，您可能需要进行调整。

阅读 XLSX：

xls = r'D:\jchtempnew\SO\so_fix.xlsx'
df = pd.read_excel(xls)
print(df)

              Unnamed: 0 Unnamed: 1           Unnamed: 2           Unnamed: 3
0                    NaN        NaN                  NaN                  NaN
1                    NaN        NaN                  NaN                  NaN
2    Run Date:2022/05/31        NaN                  NaN                  NaN
3  2022/05/01-2022/05/31        NaN                  NaN                  NaN
4                Deal ID  Deal Name     Origination Date        Maturity Date
5                    PEP       D251  2019-05-01 00:00:00  2023-03-13 00:00:00
6                     KO       D351  2020-10-02 00:00:00  2025-04-15 00:00:00
7                     MM       D451  2021-11-10 00:00:00  2026-12-01 00:00:00

查找并格式化运行日期文件名 - 处理 yyyy/mm/dd 和 mm/dd/yyyy：

if df['Unnamed: 0'].str.match('^Run Date:.*\d{4}/\d\d/\d\d').any():
    fdate = df['Unnamed: 0'].str.extract('^Run Date:(\d{4}/\d\d)/\d\d').dropna().iat[0,0].replace('/','')
    fn = f'ExtensionReport{fdate}.csv'
    
elif df['Unnamed: 0'].str.match('^Run Date:.*\d\d/\d\d/\d{4}').any():
    my = df['Unnamed: 0'].str.extract('^Run Date:.*(\d\d)/\d\d/(\d{4})').dropna()
    fn = f'ExtensionReport{my.iat[0,1]+my.iat[0,0]}.csv'

fn

'ExtensionReport202205.csv'

然后去掉标题上方的所有内容：

df2 = df.dropna()

然后提取标题并从中设置新的列名：

df2.columns = df2.iloc[0].values
df2 = df2.iloc[1:,:]

只保留处理交易。摆脱其他人 - 比如 In Queue：

if df2['Deal ID'].str.contains('Deal ID').any():
    df2 = df2.iloc[:df2['Deal ID'].str.contains('Deal ID').argmax()]
    
print(df2)

  Deal ID Deal Name     Origination Date        Maturity Date
5     PEP      D251  2019-05-01 00:00:00  2023-03-13 00:00:00
6      KO      D351  2020-10-02 00:00:00  2025-04-15 00:00:00
7      MM      D451  2021-11-10 00:00:00  2026-12-01 00:00:00

然后保存到您命名的 CSV：

df2.to_csv(fn, ...)