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
linweidong3 天前
RTX 4090 Ubuntu + ComfyUI + comfy-kitchen 0.2.41 完整部署文档
机器学习·云原生·conda·pandas·scikit-learn
benchmark_cc4 天前
个人开发者接入五档盘口:用 QuantDash 读取单只股票的验收清单与易错点
python·数据分析·pandas·量化交易·股票数据·quantdash
benchmark_cc8 天前
用 QuantDash 读取单只股票五档盘口:抽样、缺失值检查与复现记录
python·数据分析·pandas·量化交易·股票数据·quantdash
benchmark_cc11 天前
单只股票五档盘口接入个人研究仓库:QuantDash 读取、校验与易错点
python·数据分析·pandas·量化交易·股票数据·quantdash
benchmark_cc12 天前
用 QuantDash 读取美股行情:AAPL.US 的运行前检查、排错顺序与数据校验清单
python·数据分析·pandas·量化交易·股票数据·quantdash
databook14 天前
经常听到的透视表是干什么的?
python·数据分析·pandas
benchmark_cc16 天前
A 股、港股、美股如何建立统一的标的主数据格式?
开发语言·python·数据分析·pandas·量化交易·股票数据·quantdash
benchmark_cc16 天前
用 00700.HK 做港股行情清洗:字段核对、校验与个人量化开发实践
python·数据分析·pandas·量化交易·股票数据·quantdash
第九序言T16 天前
数据分析岗 Pandas 面试题 20 道(上):概念与读代码
python·数据分析·pandas·数据处理
2601_9669496516 天前
如何封装 qd.klines.batch(),让批量 K 线查询函数在多个策略中复用?
开发语言·python·数据分析·pandas·量化交易·股票数据·quantdash