当前位置：首页 > article >正文

python将Excel文档转成.db数据库文件

article 2024/11/16 17:51:05

python实现Excel转.db数据库

1.程序实现

程序实现以下功能：

1.读取一个Excel文件,文件名通过函数传参数传入

2.将文件读取的内容保存到一个数据库文件中

3.数据库的文件名以传入的Excel文件的文件名命名

4.将excel文件的工作簿的名字作为数据库的表单名

5.将Excel文件的第一行作为数据库的列命名

6.将Excel文件的每一个行的内容加入数据库中

import pandas as pd
import sqlite3
import os
import sys
def excel_to_sqlite(excel_file_path):
    try:
        # 获取 Excel 文件名（不包括扩展名）
        excel_file_name = excel_file_path.split('/')[-1].split('.')[0]

        # 创建 SQLite 数据库连接
        db_file_name = f"{excel_file_name}.db"
        conn = sqlite3.connect(db_file_name)

        # 使用 ExcelFile 类打开 Excel 文件
        excel_file = pd.ExcelFile(excel_file_path)

        # 遍历所有工作簿
        for sheet_name in excel_file.sheet_names:
            # 从 Excel 文件读取数据框
            df = pd.read_excel(excel_file, sheet_name)

            # 将数据框写入 SQLite 数据库，使用工作簿的名字作为表名
            df.to_sql(sheet_name, conn, index=False, if_exists='replace')

        # 关闭数据库连接
        conn.close()

        print(f"成功将 Excel 文件 {excel_file_path} 写入 SQLite 数据库 {db_file_name} 中的所有工作簿。")

    except Exception as e:
        print(f"发生错误: {e}")

def get_data_from_db(db_file_name, table_name):
    try:
        # 创建 SQLite 数据库连接
        conn = sqlite3.connect(db_file_name)

        # 使用 SQL 查询获取数据
        query = f"SELECT * FROM {table_name};"
        df = pd.read_sql_query(query, conn)

        # 打印获取的数据
        print(f"获取 {db_file_name} 数据库中表 {table_name} 的数据:")

        # 关闭数据库连接
        conn.close()

    except Exception as e:
        print(f"发生错误: {e}")

# 调用函数将 Excel 文件写入 SQLite 数据库

if __name__ == "__main__":
    print("开始将 Excel 文件写入 SQLite 数据库...")
    excel_file_path = sys.argv[1]
    excel_to_sqlite(excel_file_path)
    excel_name = excel_file_path.split('/')[-1].split('.')[0]
    db_name = f"{excel_name}.db"
    get_data_from_db(db_name,"AIR")//AIR是Excel文档中的工作簿的名字

2.数据查询、获取

在函数get_data_from_db中，df的数据类型是<class 'pandas.core.frame.DataFrame'>

在 pandas 中，DataFrame 类提供了许多有用的属性和方法，以便处理和分析数据。以下是 DataFrame 类的一些常用属性和方法，以及简要说明：

head(n):
- 作用：返回数据框的前 n 行。
- 示例：
```
df.head(5)  # 返回前5行
```
tail(n):
- 作用：返回数据框的后 n 行。
- 示例：
```
df.tail(3)  # 返回后3行
```
shape:
- 作用：返回数据框的形状，即行数和列数。
- 示例：
```
print(df.shape)  # 返回 (行数, 列数)
```
columns:
- 作用：返回数据框的列名。
- 示例：
```
print(df.columns)  # 返回列名列表
```
describe():
- 作用：返回数据框的描述性统计信息，如均值、标准差等。
- 示例：
```
print(df.describe())
```
info():
- 作用：返回数据框的基本信息，包括每列的数据类型和非空值数量。
- 示例：
```
df.info()
```
loc[row_index, col_name]:
- 作用：通过行和列的标签选择单个元素。
- 示例：
```
print(df.loc[0, 'ColumnName'])
```
iloc[row_index, col_index]:
- 作用：通过行和列的索引选择单个元素。
- 示例：
```
print(df.iloc[0, 2])
```
set_index(col_name):
- 作用：将指定列设置为索引列。
- 示例：
```
df.set_index('ColumnName', inplace=True)
```
groupby(col_name):
- 作用：按指定列对数据框进行分组。
- 示例：
```
grouped_data = df.groupby('ColumnName')
```
sort_values(by=col_name, ascending=True):
- 作用：根据指定列对数据框进行排序。
- 示例：
```
df.sort_values(by='ColumnName', ascending=False, inplace=True)
```
fillna(value):
- 作用：用指定值填充缺失值。
- 示例：
```
df.fillna(0, inplace=True)
```