怎么剔除掉六十岁(退休)以上的人(python自动化办公)

怎么剔除掉六十岁(退休)以上的人(python自动化办公)

需求分析:

python 复制代码
1.本代码的要求是从表1中根据姓名合并表2
2.删除掉为空的人数 ,后面再合并
3.表格内的19971111,所以首先需要得到年份
4.找出大于60岁的名单,输出名单,并删除掉60岁以上的人员

代码:

python 复制代码
    def get_le_six(self):
        # 读取两份表格文件
        table1 = pd.read_excel("coding_3.xlsx", sheet_name='Sheet1')  # 第一份表格
        table2 = pd.read_excel("coding_3.xlsx", sheet_name='Sheet2')  # 第二份表格

        # 合并两份表格,保留第一份表格的所有信息
        merged_table = pd.merge(table1, table2, on='姓名', how='left')

        # 找出匹配为空的行
        missing_matches = merged_table[merged_table['出生日期'].isna()]

        # 删除匹配为空的行
        merged_table = merged_table.dropna(subset=['出生日期'])

        # 根据出生日期计算每个人的年龄
        current_year = 2023
        merged_table['出生日期'] = merged_table['出生日期'].astype(str)
        merged_table['年龄'] = current_year - merged_table['出生日期'].str[:4].astype(int)
        # 找出大于六十岁的人名单
        older_than_sixty = merged_table[merged_table['年龄'] > 60]['姓名']

        # 打印大于六十岁的人名单
        print("大于六十岁的人名单:")
        print(older_than_sixty)

        # 从新表格中删除大于六十岁的人
        merged_table = merged_table[merged_table['年龄'] <= 60]

        # 合并匹配为空的人的姓名信息
        result = pd.concat([missing_matches, merged_table])

        # 保存结果为表格文件
        result.to_excel("missing_names.xlsx", index=False)
        merged_table.to_excel("new_table.xlsx", index=False)

重要知识点

json 复制代码
isna()
作用:判断是否为空值,返回True或False
(1)反义函数:notna()
(2)与isnull()的用法相同
相关推荐
虎头金猫2 天前
我的远程开发革命:从环境配置噩梦到一键共享的蜕变
网络·python·网络协议·tcp/ip·beautifulsoup·负载均衡·pandas
悟乙己3 天前
PandasAI :使用 AI 优化你的分析工作流
人工智能·pandas·pandasai
weixin_456904274 天前
# Pandas 与 Spark 数据操作完整教程
大数据·spark·pandas
dlraba8025 天前
Pandas:机器学习数据处理的核心利器
人工智能·机器学习·pandas
猫头虎7 天前
如何查看局域网内IP冲突问题?如何查看局域网IP环绕问题?arp -a命令如何使用?
网络·python·网络协议·tcp/ip·开源·pandas·pip
peter67687 天前
pandas学习小结
学习·pandas
猫头虎8 天前
如何解决 pip install -r requirements.txt extras 语法 ‘package[extra’ 缺少 ‘]’ 解析失败问题
开发语言·python·开源·beautifulsoup·virtualenv·pandas·pip
MoRanzhi12038 天前
15. Pandas 综合实战案例(零售数据分析)
数据结构·python·数据挖掘·数据分析·pandas·matplotlib·零售
eqwaak09 天前
数据预处理与可视化流水线:Pandas Profiling + Altair 实战指南
开发语言·python·信息可视化·数据挖掘·数据分析·pandas
Love__Tay9 天前
【数据分析与可视化】2025年一季度金融业主要行业资产、负债、权益结构与增速对比
金融·excel·pandas·matplotlib