扫描列中的关键字并提取该列中的所有值（如果在该列中找到关键字）

Question

谢谢你花时间在这里帮忙，我真的很感激。你知道吗

目前，我有多个excel文件循环通过。你知道吗

我只在C:D列中循环。如果该列有关键字“缩写”，我想提取该列中的所有值。 这是因为我的关键字可能存在于C列或D列中

我的列将如下所示：

或

导入excel文件后，以下是我如何循环浏览要扫描的列：

wb1 = load_workbook(join(dict_folder, file), data_only = True)
ws = wb1.active

for rowofcellobj in ws["C":"D"]:
   for cellobj in rowofcellobj:
      if cellobj.value == "Abbreviation":
        # extract all words in that column but Idk how to execute this step or if my above steps are correct
        if cellobj.value is not None:
        data = re.findall(r"\b\w+_.*?\w+|[A-Z]*$\b", str(cellobj.value))
        #filtering out blank rows here:
         if data != [ ]:
            if data != [' ']:
                 #extracting words from square brackets in list:
                      fields = data[0]
                      print(fields)

我被困在我上面评论的区域，说我不知道如何执行这一步。。你知道吗

Answer 1

熊猫解决方案，灵感来自（link）

示例文件：

import pandas as pd 
import numpy as np

df = pd.read_excel('tst.xlsx', usecols="C:D")
df = df.fillna('') 

for row in range(df.shape[0]): 
       for col in range(df.shape[1]):
           if df.iat[row,col] == 'Abbreviation':
             row_start = row
             col_required = col
             break

df = df.loc[row_start+1:, df.columns[col_required]]
df.replace(['','\s+'], np.nan, inplace=True, regex=True)
df.dropna(inplace=True)

print(df)

结果：

9      sfsdfd
10    fgfg_ff
12        dfs
13        ddd
15      dd_hh

Answer 2

Question: Scan columns for a keyword and extract all values in that column

• 定义起始行，在这里1：

  min_row = 1
  min_col = None
  

• 循环所有行，从min_row开始递增：

  for row in ws.iter_rows(min_row=min_row, values_only=True):
      min_row += 1
  

• try要在row中查找关键字，如果找到break。
  因为index是0-based，所以+1得到列索引1-based。你知道吗

      try:
          min_col = row.index('Abbreviation') + 1
          break
      except:
          continue
  

• 如果找到，则循环所有folloup行，直至结束。你知道吗

  Note: You have not defined a end condition!

  if min_col is not None:
      for value in map(lambda x: x[0], 
                       sheet1.iter_rows(min_row=min_row, 
                                        min_col=min_col,                                  
                                        max_col=min_col,
                                        values_only=True)):
          print(value)