Python✖️表格 #

金山文档的表格产品中引入了执行 Python 脚本能力，以期为用户提供一种更加灵活、高效的数据处理方式。

主要特点 #

1. 脚本内嵌在文档中 #

与文档数据无缝结合，跟随文档一同分享协作。

2. 云端工作 #

云端编码，云端执行，无需本地开发环境。

3. 丰富的第三方库支持 #

• 数据操作与分析： Pandas、NumPy
• 数据可视化： pyecharts
• 金融数据： akshare、tushare、baostock 等等。

开始使用 #

使用 Python脚本编辑器前，请先在金山文档上新建或打开一个已有的智能表格或表格文件

在智能表格/表格文件中顶部信息区，选择效率 > PY脚本编辑器

打开PY脚本编辑器功能的侧边栏后，可以看到文档内已经存在的Python文件和模板
点击新建脚本，创建Python文件，进入Python编辑栏，进行代码编辑
开始之前，也可以点击下面的模板，参考模板示例，了解表格中Python的使用

使用Python访问表格里的数据 #

访问工作表数据 #

在工作表中，可以使用区域选择器，选择要访问的数据范围。在编辑代码的过程中，可以随时通过点击编辑栏上方的操作表格区域，唤起下拉菜单，点击对应函数菜单唤起对应功能区域选择器。

也可以直接使用内置的xl()函数，来访问工作表里的数据。例如：若要访问当前工作表的A1到G10单元格，可以使用xl("A1:G10")。xl()函数将返回一个包含选区内数据的pandas.DataFrame对象。

df = xl("A1:G10")

# 返回表格中A1:G10的数据的pandas.DataFrame对象
print(df)

更多关于xl()函数的用法，请参考附录xl()函数部分的介绍。

访问数据表数据 #

可以使用内置的dbt()函数，来访问数据表里的数据。例如：若要访问当前数据表的全部数据，可以使用dbt()。dbt()函数会返回一个包含数据表内全部记录的pandas.DataFrame对象。

df = dbt()

# 返回一个包含数据表内全部记录的pandas.DataFrame对象
print(df)

更多关于dbt()函数的用法，请参考附录dbt()函数部分的介绍。

回写数据到工作表 #

可以通过内置的write_xl()函数，将数据回写到工作表。例如，将一个 pandas.DataFrame 类型的对象 df 回写到当前工作表的 A1 位置，可以使用write_xl(df, "A1")，它将在 A1 单元格所在的位置，逐行写入df中的数据。

# 将 df 回写到当前工作表的 A1 位置，逐行写入数据
import pandas as pd

nums = [1, 22, 333]
df = pd.DataFrame(nums)

write_xl(df, "A1")

更多关于write_xl()函数的用法，请参考附录write_xl()函数部分的介绍。

回写数据到数据表 #

数据表组织数据的方式与传统的工作表不同，因此回写数据的方式也有区别：

由于数据表中的某些字段类型是对象，这些字段的值在回写时，会被忽略或修改成简单类型。请参考附录数据表字段类型部分的介绍。

1. 添加记录 #

可以使用insert_dbt()函数，向数据表中添加记录。例如，使用insert_dbt 将一条姓名为张三，年龄为20的记录添加到数据表，它将在当前数据表的末尾添加一条新的记录。

insert_dbt({"姓名": "张三", "年龄": 20})

更多关于insert_dbt()函数的用法，请参考附录insert_dbt()函数部分的介绍。

2. 更新记录 #

可以使用update_dbt()函数，更新数据表中的记录。例如，更新一条ID为D的记录，可以使用：

update_dbt({"_rid": "D", "年龄": 25})

更多关于update_dbt()函数的用法，请参考附录update_dbt()函数部分的介绍。