excel表的數據情況如下：下面數據區域的左邊和上邊都是空，這會導致我們讀取近pathon裏時，結構不是我們要的，需要用到skiprow和usecols來控制我們想要讀取的區域

整合：

import pandas as pd
from datetime import date,timedelta

books = pd.read_excel("../004/Books.xlsx",skiprows=3,usecols="C:F",dtype={"ID":str,"InStore":str,"Date":str})
# books.dtypes

# 設置個起始日期
start = date(2019,1,1)

 
# 設置個月份遞增的函數
def add_month(d,md):
    y = md // 12
    m = d.month + md % 12
    if m !=12:
        y += m // 12
        m = m % 12
    return date(d.year + y, m,d.day)
    

for i in books.index:
    books["ID"].at[i]=i+1
    books["InStore"].at[i]="YES" if i % 2 ==0 else "ON"
#     books["Date"].at[i]=start + timedelta(days=i)    # 逐日增加
 

#     books["Date"].at[i]=add_month(start,i)           # 逐月增加
    books["Date"].at[i]=date(start.year+i,start.month,start.day)    # 逐年增加

print(books)

# 設置索引為ID列
books.set_index("ID",inplace=True)
# 將設置好的數據存入名為：out_books的excel表裏
books.to_excel("out_books.xlsx")
print("Done!")

結果圖：

分解：

import pandas as pd

# skiprows=3 表示跳過上面的3行後再讀取
# usecols="C:F" 表示讀取excel裏C到F的列，如果時要跳著選擇列可以寫成：usecols="C,D,E,F"

books = pd.read_excel("../004/Books.xlsx",skiprows=3,usecols="C:F",dtype={"ID":str,"InStore":str,"Date":str})

print(books.head())

一、為ID列自動填充1-20的數字 ：

# ID列的數據都是NaN，NaN的類型是浮點數，如果不先轉換ID列的數據類型，直接給ID填充賦值後的數據也是浮點類型，因此我們需要在導入數據時就把
# 字段的類型先做轉換，但是因為NaN的數據不讓我們轉為int，會報錯，我們可以用個小技巧，把NaN的列先轉換為str類型，這樣一會就可以正常賦值

print("=====>",books["ID"].dtypes)  # 這句是為了查看ID的數據類型

# 下面開始給指定列賦值
# 方法1：
for i in books.index:
    books["ID"].at[i]=i+1
    
# 方法2：
for i in range(0,20):
#     books["ID"].at[i]=i+1   這是先找出指定的那一列(Series)，再找到要替換的那一行
    books.at[i,"ID"]=i+1     # 這是直接在二維表（DataFrame）裏指定第幾行，第幾列要替換
    
print(books)

print("======>",books.dtypes)  # 這句是查看books數據裏所有列的數據類型

結果圖：

二、給 InStore 列 替換式的填充 YES 和 NO ：

for i in books.index:
    books["InStore"].at[i]="YES" if i % 2 ==0 else "NO"
print(books.head())

結果圖：

三、 按日期填充數據：

# 先導入datetime庫 
from datetime import date,timedelta

# 先設置一個起始日期
start = date(2019,1,1)

1、給 Date 列的日期逐日增加填充

# 按日給Date列填充時間
for i in books.index:
    books["Date"].at[i]=start+timedelta(days=i)   # 用 timedelta(days=i) 實現按日填充
#     books["Date"].at[i]=date(start.year,start.month,start.day+i)    也可以這麽寫來實現逐日填充
print(books)

結果圖：

2、給 Date 列的日期按年填充 ：

for i in books.index:
    books["Date"].at[i]=date(start.year+i,start.month,start.day)
    
print(books.head())

結果圖：

3、給 Date 列的日期按月份填充，需要設置個函數實現：

# d:傳入的起始日期
# md: 要增加多少個月

def add_month(d,md):
    y = md //12   # 要增加的月份能換算成多少年
    m = d.month + md % 12   # md % 12:要增加的月份除以12後的余數（即剩下多少個月）
    if m !=12:
        y += m // 12
        m = m % 12
    return date(d.year+y,m,d.day)
    

# 用for 循環填充
for i in books.index:
    books["Date"].at[i]=add_month(start,i)

print(books)

結果圖：

Pandas_實現數字順序填充、指定值交替填充、日期順序填充（按日、月、年）