案例导入

如下图所示，将“大小”列中的字符串数据按照下面的规则修改为数字："S"改为1，"M"改为2，"L"改为3，"XL"改为4，"XXL"改为5。输出修改后的表数据，并在同目录下另存为“修改后的男裤库存”。添加代码注释。

文心一言提示词

打开百度“文心一言”，输入提示词：“D:/Samples/男裤库存.xlsx。该Excel文件的第一个工作表中A-D列为给定数据。用pandas导入Excel文件的数据，引擎为"openpyxl"。在导入的数据中，将“大小”列中的字符串数据按照下面的规则修改为数字："S"改为1，"M"改为2，"L"改为3，"XL"改为4，"XXL"改为5。输出修改后的表数据，并在同目录下另存为“修改后的男裤库存”。添加代码注释。”

显示结果如下：

为了完成这个任务，我们需要使用Python的pandas库来读取和处理Excel文件。同时，由于要使用openpyxl作为引擎，我们还需要确保已经安装了openpyxl库。

下面是一个包含注释的Python脚本，该脚本将按照您的要求读取Excel文件，修改“大小”列的数据，然后保存修改后的数据到新的Excel文件。

import pandas as pd

# 设置Excel文件的路径
file_path = 'D:/Samples/男裤库存.xlsx'

# 使用pandas读取Excel文件，指定引擎为'openpyxl'
# 假设第一个工作表的名称是'Sheet1'，如果不是，请替换为实际的工作表名称
df = pd.read_excel(file_path, sheet_name='Sheet1', engine='openpyxl')

# 定义一个字典，用于将'大小'列中的字符串映射为数字
size_mapping = {'S': 1, 'M': 2, 'L': 3, 'XL': 4, 'XXL': 5}

# 使用map函数将'大小'列中的字符串替换为相应的数字
df['大小'] = df['大小'].map(size_mapping)

# 输出修改后的数据表
print(df)

# 设置保存修改后数据的Excel文件路径
output_file_path = 'D:/Samples/修改后的男裤库存.xlsx'

# 将修改后的数据表保存到新的Excel文件中
df.to_excel(output_file_path, index=False, engine='openpyxl')

确保在运行这段代码之前，已经安装了pandas和openpyxl库。如果尚未安装，可以通过pip安装它们：

pip install pandas openpyxl

请注意，上面的代码中假设Excel文件的第一个工作表名称是'Sheet1'。如果工作表的实际名称不同，请确保将sheet_name='Sheet1'中的'Sheet1'替换为实际的工作表名称。

此外，如果'大小'列中有不在size_mapping字典中的值，这些值在映射过程中将被转换为NaN（不是数字）。如果需要处理这种情况，可以在映射之前先检查并处理这些值。

最后，to_excel方法中的index=False参数用于避免在输出的Excel文件中包含索引列。如果希望包含索引列，可以删除或改为index=True。

Python编辑器运行

本合集使用的工具如下：

文心一言：3.5版本

Python编辑器：3.9.0

申明：以上结果皆为实际运行结果，如遇到无法运行可在评论区留言。部分数据来自网络，如有侵权请私信告知，感谢！