导语：还在为繁琐的表格数据规范化而头疼吗？传统的手工操作不仅耗时耗力，还容易出错。今天，就让我们一起领略Python自动化办公的神奇魅力，轻松解决历史数据规范化难题！
一、背景故事：ERP上线，数据规范化成拦路虎
随着企业数字化转型的加速，ERP（企业资源规划）系统成为了众多企业提升管理效率、降低成本的利器。然而，在ERP系统上线的过程中，历史数据的规范化却成为了一道难以逾越的坎。某传统企业就遭遇了这样的困境：他们需要上传的300多个表格中，数据规范性极差，无法满足ERP系统规范化的数据模板。
10条数据清洗替换规则
待清理的300多个表格
二、传统方法：耗时耗力，效率低下
面对如此庞大的数据规范化需求，传统方法通常是打开表格，然后逐一查找内容，进行替换并保存。然而，这种方法不仅效率低下，而且容易出错。据估算，按照传统方法进行操作，一个表格的一项替换规则平均需要3分钟左右，那么对于300多个表格和10个替换规则来说，就需要惊人的9600分钟，约合160个小时！这无疑是一个巨大的时间成本。
三、Python自动化办公：两秒钟搞定规范化
正当项目陷入困境之际，Python自动化办公技术如同救星般降临。通过编写Python脚本，企业可以轻松实现对原始数据的规范化清理。具体来说，只需要根据数据规范化的需求，编写相应的Python代码，然后运行脚本即可。整个过程只需两秒钟时间，极大地提高了工作效率。
import timefrom openpyxl import load_workbook # 用于读取Excel中的信息# 获取Excel表格中的数据s_t = time.timewb = load_workbook('查找替换.xlsx') # 读取工作簿ws = wb.active # 读取活动工作表data = {} # 新建字典，用于储存数据for row in range(2, ws.max_row+1): chazhao = str(ws['A' + str(row)].value) # 转换成字符串，以免后续比对时出现数据类型冲突 tihuan = str(ws['B' + str(row)].value) # 转换成字符串，以免后续比对时出现数据类型冲突 data[chazhao] = tihuan # 键值对应存入字典# print(data)wb = load_workbook('原表.xlsx') # 读取目标工作簿sheet_names = wb.get_sheet_names # 获得工作簿的所有工作表名for sheet_name in sheet_names[:1]: # 遍历每个工作表，更改A4单元格的数据 ws = wb[sheet_name] # print(sheet_name) ID_list = [] # 新建一个列表，用于储存原表D列的信息 for row in range(2, ws.max_row+1): ID = ws['D' + str(row)].value # 遍历整个工作表，将D列的数据逐个存入ID变量 ID_list.append(ID) # 将读取到的结果存入列表 # print(ID_list) code = [] for i in ID_list: if i == None: # 如果是None，则放入None占位，以保持列表的值的顺序与原表一致 code.append(None) else: # 不是None,则按"："符号分割，并放分割后的最后一个值进入新列表code code.append(i.split("：")[-1]) # print(code) for i in range(len(code)): if code[i] in data: ws.cell( row=i+2, column=4).value = ID_list[i].split("：")[0] + "：" + data[code[i]]wb.save('原表-替换.xlsx')e_t = time.timeprint(f'一共用时{e_t-s_t}s')
四、结语：Python自动化办公助力企业数字化转型
随着数字化时代的到来，企业对于数据规范化、自动化的需求越来越高。Python自动化办公技术凭借其高效、准确的特点，正逐渐成为企业数字化转型的得力助手。让我们一起拥抱Python自动化办公技术，为企业的发展注入新的活力！
