|
| 1 | +# Python_Automating_Excel_CSV |
| 2 | + |
| 3 | +Pandas is an open source, BSD-licensed library providing high-performance, easy-to-use data structures and data analysis tools for the Python programming language. |
| 4 | + |
| 5 | +## Pasos 🚀 |
| 6 | + |
| 7 | +1. Leer todos los archivos |
| 8 | +2. Concatenar archivos |
| 9 | +3. Eliminar datos nulos de archivos |
| 10 | +4. Leer xlsx y convertir a csv archivos |
| 11 | +5. cambiar nombre de columna |
| 12 | +6. Filtrar archivos |
| 13 | +7. Unir archivos |
| 14 | +8. Selecionar informacion |
| 15 | +9. Convertir a CSV y xlsx para informe |
| 16 | + |
| 17 | +## Importar librerías 🔧 |
| 18 | + |
| 19 | + import pandas as pd |
| 20 | + import numpy as np |
| 21 | + import matplotlib.pyplot as plt |
| 22 | + import statsmodels.api as sm |
| 23 | + import glob |
| 24 | + import os |
| 25 | + import openpyxl |
| 26 | + import pdfkit |
| 27 | + |
| 28 | +## 1. Leer todos los archivos 📋 |
| 29 | + |
| 30 | + todos=[] |
| 31 | + for f in glob.glob(os.path.join("ubicaciòn archivos")): |
| 32 | + df=pd.read_excel(f) |
| 33 | + todos.append(pd.read_excel(f)) |
| 34 | + |
| 35 | +## 2. Concatenar arvhivos ⌨️ |
| 36 | + |
| 37 | + df = pd.concat(todos,ignore_index="True") |
| 38 | + |
| 39 | +## 3. Eliminar datos nulos de archivos ⚙️ |
| 40 | + |
| 41 | + df = df.fillna(0) |
| 42 | + |
| 43 | +## 4. Leer Excel y convertir a CSV archivoss 📖 |
| 44 | + |
| 45 | + df.to_excel("ubicacion.xlsx", index = None, header=True) |
| 46 | + todosne = pd.read_excel(r"ubicacion.xlsx") |
| 47 | + todosne.to_csv(r"Ubicacion_final", index = None, header=True) |
| 48 | + |
| 49 | +## 5. cambiar nombre de columna 🖇️ |
| 50 | + |
| 51 | + df1.rename(columns={'CodigoBus': 'Bus'}, inplace=True) |
| 52 | + |
| 53 | +## 6. Filtrar archivos 7. Unir archivos 📦 |
| 54 | + |
| 55 | + filtrado = df[(df.Responsable == "Cop") & (df.Observación == "F2 inicio_fin Ruta") | (df.Observación == "Estados de Localización")] |
| 56 | + |
| 57 | + output1 = pd.merge(df1, filtrado, on = ['Bus','ViajeLinea','ServicioBus','Coche'], how ='inner') |
| 58 | + |
| 59 | +## 8. Selecionar informacion 🔩 |
| 60 | + |
| 61 | + derived_df = output1.filter(['Fecha_y', 'Operador', 'NumeroBus', |
| 62 | + 'NumEventosBus', 'Linea', 'OrdenViaje', 'IDViaje', 'Tipo', 'Nodo', |
| 63 | + 'Descripcion', 'HoraTeorica', 'HoraReferencia', 'HoraLlegada', |
| 64 | + 'HoraSalida', 'Evento', 'TiempoRegulacion', 'Alarma', |
| 65 | + 'TiempoAperturaPuertas', 'Conductor', 'NombreConductor']) |
| 66 | + |
| 67 | +## 9. Convertir a CSV y xlsx para informe 🔩 |
| 68 | + |
| 69 | + df.to_xlsx() |
| 70 | + df.to_csv() |
| 71 | + |
| 72 | +## Autor ✒️ |
| 73 | + |
| 74 | +⭐️ [fradurgo19](https://github.com/fradurgo19) |
0 commit comments