使用 PyQt5 + Pandas 打造全能的表格(Excel/CSV)讀取與處理工具

在日常辦公和數(shù)據(jù)分析中，我們經常需要處理各種 Excel 和 CSV 文件。無論是進行簡單的數(shù)據(jù)累加、去重，還是復雜的數(shù)據(jù)透 視、批量拆分，傳統(tǒng)的操作往往需要使用 Excel 的復雜函數(shù)，或者編寫重復的 Python 腳本。

為了提高工作效率，今天我們將手把手教大家使用 PyQt5 和 Pandas 開發(fā)一款圖形化的表格讀取與處理工具。這款工具不僅支持直接拖拽文件加載，還能實時預覽，并內置了多種常用的數(shù)據(jù)處理功能，非常適合零基礎辦公人員和數(shù)據(jù)分析師使用！

核心功能一覽

我們這款工具內置了以下實用功能：

1. 智能文件加載：支持點擊按鈕選擇，或直接拖拽單個/多個文件、甚至整個目錄到軟件中，自動識別并合并 Excel (.xls, .xlsx) 和 .csv 文件。
2. 實時數(shù)據(jù)預覽：加載文件后，主界面會實時顯示數(shù)據(jù)的前 20 行，方便確認數(shù)據(jù)是否正確。
3. 自定義表頭：遇到表頭不在第一行的數(shù)據(jù)怎么辦？用戶可以自定義表頭所在的行數(shù)，工具會自動重新解析數(shù)據(jù)。
4. 豐富的列操作：
   • 快速對指定列進行 累加、計數(shù)
   • 對指定列進行數(shù)據(jù) 去重
   • 按照自定義分隔符將一列 拆分 為多列
5. 一鍵數(shù)據(jù)透 視：圖形化選擇透 視的索引（Index）、列（Columns）和值（Values），自動執(zhí)行求和透 視并支持一鍵導出結果。
6. 大文件按行拆分：遇到幾十萬行的大文件處理卡頓？設置“每文件行數(shù)”，一鍵將大文件拆分為多個小文件保存。
7. 強大的批量修改列功能：
   • 全部修改為固定值
   • 在數(shù)據(jù)頭部/尾部添加特定字符
   • 在第 X 個字符后插入特定字符
8. 擴展功能：一鍵處理缺失值（如填充0、填充空字符串或直接刪除缺失行），以及一鍵導出當前處理完畢的所有數(shù)據(jù)。

技術棧與依賴

本項目基于 Python 開發(fā)，主要用到了以下三個強大的庫：

• PyQt5：負責構建整個圖形化用戶界面 (GUI)，提供了豐富的控件和交互能力。
• Pandas：負責底層的數(shù)據(jù)讀取、處理和分析，是數(shù)據(jù)處理的“核武器”。
• openpyxl：Pandas 讀寫新版 Excel (.xlsx) 文件的必備引擎。

安裝依賴

可以通過以下命令一鍵安裝所有所需庫：

pip install PyQt5 pandas openpyxl

核心代碼解析

下面我們來拆解一下這個工具的幾個核心實現(xiàn)點。

1. 拖拽文件與目錄加載功能

為了讓用戶體驗更好，我們繼承 QLabel 自定義了一個 DragDropWidget，用于接收拖拽事件：

class DragDropWidget(QLabel):
    def __init__(self, parent=None):
        super().__init__(parent)
        self.setText("拖拽單個/多個文件或目錄到此處\n(支持 Excel/CSV)")
        self.setAcceptDrops(True)
        self.main_window = parent

    def dragEnterEvent(self, event: QDragEnterEvent):
        # 允許接收包含路徑的文件拖拽
        if event.mimeData().hasUrls():
            event.acceptProposedAction()

    def dropEvent(self, event: QDropEvent):
        urls = event.mimeData().urls()
        paths = [url.toLocalFile() for url in urls]
        # 將獲取到的路徑交給主窗口處理
        self.main_window.handle_dropped_files(paths)

2. Pandas 與 QTableView 聯(lián)動 (數(shù)據(jù)預覽)

要在 PyQt 的 QTableView 中展示 Pandas 數(shù)據(jù)框，我們需要自定義一個 QAbstractTableModel，重寫其行數(shù)、列數(shù)和數(shù)據(jù)返回方法：

class PandasModel(QAbstractTableModel):
    def __init__(self, data):
        super().__init__()
        self._data = data

    def rowCount(self, parent=None):
        return self._data.shape[0]

    def columnCount(self, parent=None):
        return self._data.shape[1]

    def data(self, index, role=Qt.DisplayRole):
        if index.isValid():
            if role == Qt.DisplayRole:
                val = self._data.iloc[index.row(), index.column()]
                return str(val) if not pd.isna(val) else ""
        return None

    def headerData(self, col, orientation, role):
        if orientation == Qt.Horizontal and role == Qt.DisplayRole:
            return str(self._data.columns[col])
        return None

在工具中，我們通過 self.df.head(20) 獲取前 20 行數(shù)據(jù)并傳入該 Model，實現(xiàn)了輕量級的數(shù)據(jù)預覽。

3. 數(shù)據(jù)處理：拆分、去重與透 視

基于 Pandas 的強大功能，我們可以僅用幾行代碼實現(xiàn)復雜的邏輯：

• 去重：self.df = self.df.drop_duplicates(subset=[col])
• 拆分列：new_cols = self.df[col].astype(str).str.split(sep, expand=True)
• 數(shù)據(jù)透 視：

pivot_df = pd.pivot_table(
    self.df, 
    values=val, 
    index=idx, 
    columns=col, 
    aggfunc='sum', 
    fill_value=0
)

4. 字符串的精細批量修改

對于“在第 X 個字符后插入內容”這種需求，我們可以利用 Pandas 的 apply 方法搭配自定義函數(shù)實現(xiàn)：

def insert_str(s):
    s_str = str(s)
    if len(s_str) >= pos:
        return s_str[:pos] + val + s_str[pos:]
    return s_str + val

self.df[col] = self.df[col].apply(insert_str)

總結

通過將 PyQt5 和 Pandas 結合，我們打造出了一個功能完備、界面友好的本地數(shù)據(jù)處理利器。這個工具不僅能極大提升我們處理零碎 Excel 文件的效率，更提供了一個很好的學習范例——你可以根據(jù)自己的實際業(yè)務需求，在 main.py 的選項卡中繼續(xù)添加更多自定義的數(shù)據(jù)清洗和分析功能！

快把這份代碼運行起來，讓你的數(shù)據(jù)處理工作從此告別加班吧！

以上就是使用PyQt5+Pandas打造一個表格(Excel/CSV)讀取與處理工具的詳細內容，更多關于PyQt5 Pandas表格讀取與處理的資料請關注腳本之家其它相關文章！

最新評論