盘点一个Python自动化办公实战实现数据汇总填充（方法五）

Python进阶者

发布于 2023-10-08 15:19:12

16100

代码可运行

文章被收录于专栏：Python爬虫与数据挖掘Python爬虫与数据挖掘

运行总次数：0

代码可运行

一、前言

前几天在Python最强王者交流群【哎呦喂是豆子～】问了一个Python自动化办公的问题，一起来看看吧。

下图是他的原始数据和他想得到的目标数据，如下所示：

需要在标黄的两行里边进行相关操作。

二、实现过程

上一篇文章我们针对少量数据进行了分类实现，这一篇文章我们一起来看看【隔壁😼山楂】大佬给出的pandas实现，实现多行数据的分类。多行数据，还涉及到多种系统，几十个漏洞详情，情况确实复杂了许多。

针对该问题，【隔壁😼山楂】提供了新的代码：

# 筛选或条件
dfc1 = df[df['是否提供误报证明'].eq('是')].groupby(['系统名称', '漏洞名称', '是否提供误报证明']).agg({'ip': 'unique'}).rename(columns={'ip': '已提供误报证明ip'}).reset_index()
dfc2 = df[df['是否提供无法整改证明'].eq('是')].groupby(['系统名称', '漏洞名称', '是否提供无法整改证明']).agg({'ip': 'unique'}).rename(columns={'ip': '已提供无法整改证明ip'}).reset_index()
res = dfc1.merge(dfc2, how='outer', on=['系统名称', '漏洞名称'])
res1 = res.set_index(['系统名称', '漏洞名称'])
# 筛选与条件
res2 = df[df['是否提供误报证明'].eq('否') & df['是否提供无法整改证明'].eq('否')].groupby(['系统名称', '漏洞名称']).agg({'ip': 'unique'}).rename(columns={'ip': '没有误报和无法整改证明的ip'})
# 结果合并
res = res1.join(res2, how='outer').fillna('')
# 将结果列表处理成字符串
ip_cols = res.columns[res.columns.str.contains('ip')]
res[ip_cols] = res[ip_cols].applymap(', '.join)
# 无ip的单元格用无填充
res[ip_cols] = res[ip_cols].where(res[ip_cols].ne(''), '无')
# 保存结果
res.to_excel('result.xlsx')

这个简单来说就是筛选三次，三次的结果进行合并，运行之后可以得到预期的效果图如下所示：