HTML|代码详解：使用Python从不同表格中提取数据全文共3211字

全文共3211字，预计学习时长6分钟
文章插图
常用的表格数据存储文件格式——CSV ， Microsoft Excel ， GoogleExcel
Python通常称为粘合语言。这个名称归因于人们逐渐开发出的大量接口库和特征，也得益于广泛的使用和良好的开源社区。这些接口库和特征能直接访问不同的文件格式，还可以访问数据源如数据库、网页和各种API 。
本文的学习内容：
从谷歌表格中提取数据
· 从CSV文件中提取数据
· 从Excel文件中提取数据
本文适用于以下读者：
· Python初学者
· 必须定期处理数据的人员
由于本文附有代码，建议处在开发环境之下（建议使用JupyterNotebook / Lab），并建立一个新的笔记本。
源代码和文件：
文章插图
解决方法
本文将带你进入一个虚构但却可能异常熟悉的场景。你可以结合不同的数据来源去创建报告或进行分析。
注意！！！下面的示例和数据纯属虚构。
假设，你的任务是搞清楚如何提高销售团队的业绩。假设潜在的客户有相当自发的需求。这种情况发生时，销售团队将订单导入系统。然后，销售代表们会在订单交付时安排一个会议。具体日期有时在交付期之前，有时在交付期之后。你的销售代表有一笔费用预算，会在开会期间支付餐费。他们负责报销这笔费用，并将发票交给会计团队处理。在潜在客户决定是否要接受报价后，销售代表会跟踪订单是否达成。
可使用以下三个资料来源进行分析:
· 100,000 份订单 (Google表格)
· 约50,000张餐费发票(Excel文件)
· 负责公司及销售代表名单(CVS文件)
文章插图
获取谷歌表格数据
访问谷歌表格是这三种方法中最复杂的，因为你需要在使用谷歌表格API前设置一些证书。理论上，你可以获取一个公开可用的谷歌表(即提取源HTML代码)但必须使用Beautiful Soup之类的工具进行大量数据操作，才能将HTML转储转换为有用的内容。我确实尝试过，但是结果很糟糕，不值得一试。所以， API就是如此。此外，还将使用gspread无缝转换数据分析DataFrame 。
获取OAuth2证书
前往谷歌开发人员控制台，创建一个新项目(或选择现有的项目) 。点击“创建项目” 。如果公司使用谷歌邮件，可将其更改为私人帐户，以避免潜在的权限冲突。
文章插图
为项目命名(名称无关紧要，此处将其命名为媒体数据提取)
文章插图
点击APIs & Services，前往library
文章插图
启用谷歌Sheets API 。单击结果，并在如下页面上单击启用 API 。
文章插图
创建一个服务帐户和密钥文件。服务帐户是用于程序访问的专用帐户，访问权限有限。服务帐户可以而且应该通过有尽可能多的特定权限项目进行设置，当前的任务也需要如此。
文章插图
创建JSON(另一种文件格式)密钥文件。在角色上，选择“Project -> Viewer” 。
文章插图
如果还没有在前面的步骤中设置角色请立即设置。
文章插图
注意：设置为“Viewer”会存在一些限制。如果希望以编程方式创建谷歌表格，则必须选择不同的设置。
然后，私有JSON密钥文件就可以下载或自动下载了。建议将该文件重命名为'Medium_Data_Extraction_Key ，并将文件移动到JupyterNotebook文件夹中，以便与下面的示例无缝衔接。 JSON文件包含最近创建的服务帐户证书。
非常好，就要成功了。
下载数据
首先，必须下载并安装其他软件包，在笔记本中运行以下命令。
!pip install gspread
!pip install oauth2client
其次，如果还没有移动密钥文件的话，必须确保将之前创建的JSON密钥文件移动到目前运行的木星笔记本（Jupyternotebook）文件夹中。或者，可以指定一个不同的GOOGLE_KEY_FILE路径。