Python/MySQL实现Excel文件自动处理数据功能

问题描述

在没有服务器存储数据，只有excel文件的情况下，如何利用SQL和python实现数据分析和数据自动处理的功能？

例如：消费者购买商品时，会挑选商品然后再对商品付款。现在需要查找出用户挑中但是没有付款的商品并标识为未下单，付款的商品标注为下单。并且每隔一段时间自动执行上述操作。

目的：定时抽取上面的数据分析用户购买商品的行为。对比付款和选中未下单的商品的性能、价格等信息来发掘用户喜好，从而提高选品下单率。

注意：

• 用户的信息主要以excel的形式存储，没有服务器。
• 商品表里面存了用户挑选的商品信息。
• 订单表里面存了用户付款的商品信息。

解决方案

一、SQL查询

首先想到的是利用SQL语言实现这样的查询。具体实现过程如下：

（1） 建立dingdan表和shangpin表：

-- ----------------------------

-- Table structure for dingdan

-- ----------------------------

DROP TABLE IF EXISTS `dingdan`;

CREATE TABLE `dingdan`  (

  `d_id` int(11) NOT NULL,

  `UPC` varchar(255) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,

  PRIMARY KEY (`d_id`) USING BTREE

) ENGINE = InnoDB CHARACTER SET = utf8 COLLATE = utf8_general_ci ROW_FORMAT = Dynamic;



-- ----------------------------

-- Records of dingdan

-- ----------------------------

INSERT INTO `dingdan` VALUES (1, '6972470560664');

INSERT INTO `dingdan` VALUES (2, '6972470560664');

INSERT INTO `dingdan` VALUES (3, '6972470561227');

INSERT INTO `dingdan` VALUES (4, '6972470561890');

INSERT INTO `dingdan` VALUES (5, '6972470561906');



SET FOREIGN_KEY_CHECKS = 1;





-- ----------------------------

-- Table structure for shangpin

-- ----------------------------

DROP TABLE IF EXISTS `shangpin`;

CREATE TABLE `shangpin`  (

  `UPC` varchar(255) CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL,

  `商品` varchar(255) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,

  PRIMARY KEY (`UPC`) USING BTREE

) ENGINE = InnoDB CHARACTER SET = utf8 COLLATE = utf8_general_ci ROW_FORMAT = Dynamic;



-- ----------------------------

-- Records of shangpin

-- ----------------------------

INSERT INTO `shangpin` VALUES ('6972470560657', 'A');

INSERT INTO `shangpin` VALUES ('6972470560664', 'A');

INSERT INTO `shangpin` VALUES ('6972470561210', 'D');

INSERT INTO `shangpin` VALUES ('6972470561227', 'B');

INSERT INTO `shangpin` VALUES ('6972470561890', 'C');

INSERT INTO `shangpin` VALUES ('6972470651791', 'B');



SET FOREIGN_KEY_CHECKS = 1;

（2） 将excel数据导入SQL软件中。

执行下面的查询语句进行查找：

-- 搜索未下单的商品信息

SELECT *,

if(bb.UPC IS NULL,'未下单', '下单') as 下单情况



FROM shangpin aa



LEFT JOIN dingdan bb

ON aa.UPC = bb.UPC

得到以下查询结果：

（3） 将搜索结果导出为excel。

（4） 隔一段时间，需要人工重复上面的操作。

二、SQL、python处理

利用SQL查询、python做定时处理。具体实现过程如下：

（1） 重复方案1中的步骤1和2，将数据导入到数据库中。

（2） 用python连接数据库并查找数据。

import pymysql  #导入PyMySQL库 

import datetime

import warnings

import pandas as pd

import matplotlib.pyplot as plt

warnings.filterwarnings('ignore')



# 1. 连接数据库，创建连接对象 db

# 连接对象作用是：连接数据库、发送数据库信息、处理回滚操作（查询中断时，数据库回到最初状态）、

# 创建新的光标对象 

def connect_database(database, password):

     db = pymysql.connect(host ="localhost", #host属性 

                              user ="sys", #用户名  

                              password = password, #此处填登录数据库的密码 

                              database = database, #数据库名 

                              charset="utf8"  # 如果中文显示乱码,则需要添加charset = "utf8"

                         )

     return db



def read_data(db):

     # 2. 使用 cursor() 方法创建一个游标对象 cursor

     cursor = db.cursor()

     # 3. 利用MySQL语句查找数据并转化为FrameData（包含列名）

     try:

          # 使用 execute() 方法执行 SQL 查询

          mysql = "SELECT *, if(bb.UPC IS NULL,'未下单', '下单') as 下单情况 FROM shangpin aa LEFT JOIN dingdan bb ON aa.UPC = bb.UPC" # SQL语句

          cursor.execute(mysql)

          data = cursor.fetchall()



          # 下面为将获取的数据转化为 dataframe 格式

          columnDes = cursor.description #获取连接对象的描述信息

          #print("cursor.description中的内容：",columnDes)

          columnNames = [columnDes[i][0] for i in range(len(columnDes))] #获取列名

          df = pd.DataFrame([list(i) for i in data],columns=columnNames) #得到的data为二维元组，逐行取出，转化为列表，再转化为df

          print(df)



          """

          db.commit()若对数据库进行了修改，需进行提交之后再关闭

          """

          # 提交到数据库执行

          #db.commit()

          #print("OK")

     except:

          # 如果发生错误则回滚

          db.rollback()

          print("失败")

     """

     使用完成之后需关闭游标和数据库连接，减少资源占用,cursor.close(),db.close()

     db.commit()若对数据库进行了修改，需进行提交之后再关闭

     """

     # 关闭数据库连接

     cursor.close()

     db.close()

     return df    

（3） 做定时任务

     ## 定时任务

     import time

     from apscheduler.schedulers.blocking import BlockingScheduler

     

     def job():

       dt = time.strftime('%Y-%m-%d %H:%M:%S', time.localtime(time.time()))

       print('{} --- {}'.format(text, t))

       database = 'sys' #数据库名称

       password = 'sys' #数据库用户密码

       db = connect_database(database, password)

       data_sp = read_data(db)

       data_sp.to_excel('../data/data_ans.xlsx', sheet_name='未下单情况')

       

     scheduler = BlockingScheduler()

     # 在每天22和23点的25分，运行一次 job 方法

     scheduler.add_job(job, 'cron', hour='22-23', minute='25')

     scheduler.start()

     

     ## 测试

     # 执行任务

     def time_printer():

         # 输出时间

         now = datetime.datetime.now()

         ts = now.strftime('%Y-%m-%d %H:%M:%S')

         print('do func time :', ts)

     # 定时任务

     def loop_monitor():

         while True:

             time.sleep(20)  # 暂停20秒

             

     if __name__ == "__main__":

         loop_monitor()

打开data_ans的excel文件即可查看数据。

程序需要一直运行，如果因为关机导致程序终止，需要重新运行。

三、python处理

python处理。具体实现过程如下：

（1） 导入excel数据并利用python完成数据查询，以excel的形式导出查询好的数据。

import pandas as pd

def taskTime():

## 1. 分别导入2个表的数据

    product = pd.read_excel('d:/python_code/crontab/data/taskdata.xlsx', sheet_name='商品') # 换成自己的路径和sheet名称

    order = pd.read_excel('d:/python_code/crontab/data/taskdata.xlsx', sheet_name='订单') 



    ## 2. 抽取数据

    product=product.rename(columns={'UPC':'ID'}) # 对商品表里面的UPC重命名未ID（为了保留订单表里面的CPU着一列）

    PO=pd.merge(product,order,left_on='ID', right_on='UPC',how='left') # 左连接抽取数据

    PO.loc[pd.isnull(PO['UPC']), '下单情况'] = '未下单' # 找到选中但是未下单的数据标注为未下单

    PO['下单情况'] = PO['下单情况'].fillna(value='下单') # 找到下单的数据，在'下单情况'这一列中标注为下单



    ## 3. 以excel的形式导出查询好的数据

    PO = PO.loc[:, ['ID', 'UPC', '下单情况', '产品名称E', '产品参数C', '价格', '建议零售价','订单日期', '品牌', 'PO#', 'SKU','配置', '单价', '数量', '销售金额', '成本单价', '成本', '成本价含税/未税']] # 按列名导出需要的数据

    PO.to_excel('d:/python_code/crontab/data/data_python.xlsx', sheet_name='未下单情况')  # 导出excel表

    return PO



if __name__ == "__main__":

  taskTime()

    print('执行成功')

（2） 定时处理

   ## 2. 定时处理

   import datetime

   from apscheduler.schedulers.blocking import BlockingScheduler

   

   def job():

     now = datetime.datetime.now()

     ts = now.strftime('%Y-%m-%d %H:%M:%S')

     print('执行时间 :', ts)   # 输出时间

     taskTime()  # 执行代码

   

   scheduler = BlockingScheduler() ## 定时 

   # 在每天17和23点的25分，运行一次 job 方法

 scheduler.add_job(job, 'cron', hour='17-23', minute='22')

   scheduler.start()

打开data_python的excel文件即可查看数据。

程序需要一直运行，如果因为关机导致程序终止，需要重新运行。

四、优化python处理

1.手动执行代码

如果电脑需要关机，这时候代码不能一直运行，只能在需要数据的时候执行一下代码。有以下2个执行方法：

（1）用命令行执行代码，具体操作如下：

win + R 输入cmd 再输入 路径以及文件名

python d:\python_code\crontab\code\test.py

见下图

注意：数据还有代码的路径要写对

如果不想用命令行。直接用.bat文件执行也可以。

首先，需要新建一个.bat文件（用来运行脚本），在这个文件里面写上如下代码后保存：

 python 路径\文件名.py

将这个文件放到桌面，使用时点击即可。

2.开机自动执行代码

将已经保存的.bat文件复制到该目录（C:\Users\Administrator\AppData\Roaming\Microsoft\Windows\Start Menu\Programs\Startup）下，可能杀毒软件会阻止，选择允许，然后重启电脑即可。

注：开机自启以后会打开一个cmd窗口，关闭窗口，python程序将停止运行。

注意：开启自启动可能会让电脑变慢、发热。。。

对比四种方案

方案名称	优点	缺点
SQL查询	代码简单，实现简单	数据一旦更新需要执行导入导出excel的操作。并且需要手动操作，不能自动提醒。
SQL、python处理	避免导出excel；可以自动提醒	还是需要导入excel；同时操作SQL和python；自动提醒需要程序一直运行
python处理	避免导入导出；可以自动提醒，只操作python	查询时的处理不好做（对新手来说）；自动提醒需要程序一直运行
优化python处理	避免导入导出；自动提醒不需要程序一直运行，开机自启动	需要配置一下

总结

在没有服务器，以excel存储数据的情况下，同样可以利用SQL和python来做数据处理和分析，在遇到excel处理数据特别麻烦的时候可以选择上面的方案做处理，即可以锻炼自己的SQL和python编程的能力，又可以高效地解决问题。