Python实现Excel药物不良反应分类宏失败求助

以下是完整可运行的代码，附带关键逻辑说明和常见错误排查：

import pandas as pd
from openpyxl import load_workbook
from openpyxl.styles import PatternFill
from openpyxl.utils.dataframe import dataframe_to_rows
import os

# 定义文件路径（兼容多系统）
desktop_path = os.path.expanduser("~/Desktop/Pharm Exam III Drugscopy.xlsx")
# 指定要处理的工作表
target_sheets = ["Antidepressants and Mood", "Immunomodulators", "Drugs of Abuse"]

# 存储不良反应与对应药物的映射
adverse_drug_dict = {}

# 1. 遍历工作表提取并清洗数据
for sheet_name in target_sheets:
    # 仅读取B、D列，提升效率
    df = pd.read_excel(desktop_path, sheet_name=sheet_name, usecols=["B", "D"])
    df.columns = ["Drug_Name", "Adverse_Effects"]
    
    # 提取"-"后内容（兼容"- "格式，仅分割第一个"-"）
    df["Cleaned_Adverse"] = df["Adverse_Effects"].apply(
        lambda x: x.split("-", 1)[1].strip() if isinstance(x, str) and "-" in x else ""
    )
    
    # 过滤无效条目
    df = df[df["Cleaned_Adverse"] != ""]
    
    # 填充映射字典，保证药物唯一
    for _, row in df.iterrows():
        adverse = row["Cleaned_Adverse"]
        drug = row["Drug_Name"]
        if adverse not in adverse_drug_dict:
            adverse_drug_dict[adverse] = []
        if drug not in adverse_drug_dict[adverse]:
            adverse_drug_dict[adverse].append(drug)

# 2. 构建输出DataFrame，对齐所有列行数
max_row_count = max(len(drugs) for drugs in adverse_drug_dict.values())
output_data = {}
for adverse, drugs in adverse_drug_dict.items():
    # 用空值填充短列表，避免写入Excel时错位
    output_data[adverse] = drugs + [""] * (max_row_count - len(drugs))
output_df = pd.DataFrame(output_data)

# 3. 写入Excel并设置列颜色
# 加载原工作簿，避免覆盖原始数据
wb = load_workbook(desktop_path)
# 新建汇总表（若已存在则删除）
if "Adverse_Summary" in wb.sheetnames:
    del wb["Adverse_Summary"]
ws = wb.create_sheet("Adverse_Summary")

# 将DataFrame写入工作表
for row_idx, row in enumerate(dataframe_to_rows(output_df, index=False, header=True), 1):
    for col_idx, value in enumerate(row, 1):
        ws.cell(row=row_idx, column=col_idx, value=value)

# 4. 为各列设置不同背景色
# 预设一组填充色（可按需扩展）
fill_colors = [
    "FFE5E5", "E5F2FF", "E5FFE5", "FFF5E5", "F5E5FF",
    "E5FFFF", "FFF0E5", "E5F5FF", "F5FFE5", "FFE5F5"
]
# 遍历列设置颜色（循环使用预设色）
for col_idx, _ in enumerate(output_df.columns, 1):
    fill = PatternFill(
        start_color=fill_colors[(col_idx-1) % len(fill_colors)],
        end_color=fill_colors[(col_idx-1) % len(fill_colors)],
        fill_type="solid"
    )
    # 为表头和所有数据行设置颜色
    for row_idx in range(1, max_row_count + 2):
        ws.cell(row=row_idx, column=col_idx).fill = fill

# 保存为新文件，不覆盖原数据
wb.save(desktop_path.replace(".xlsx", "_processed.xlsx"))
print("处理完成，结果已保存至桌面的_processed.xlsx文件")

关键逻辑说明 #

1. 数据清洗：

   • 用split("-",1)仅分割第一个“-”，避免多“-”场景下的错误提取
   • 用strip()去除“- ”后的空格，保证不良反应名称统一
   • 过滤空条目，避免无效数据干扰

2. 唯一值处理：

   • 通过字典存储映射，写入前判断药物是否已存在，确保每个不良反应下的药物唯一

3. Excel写入对齐：

   • 找出最长药物列表长度，用空值填充短列表，解决不同列行数不一致导致的错位问题

4. 样式设置：

   • 循环使用预设颜色，确保列颜色不重复
   • 同时设置表头和数据行的背景色，保证格式统一

常见错误排查 #

• 路径错误：直接使用/Desktop/未兼容多系统，代码中用os.path.expanduser解决
• 字符串处理错误：未处理"- "格式或分割所有“-”，导致不良反应提取错误
• 重复数据：未判断药物是否已在列表中，导致同一药物重复出现
• 写入错位：未对齐列行数，导致Excel中数据错位
• 样式失效：未正确遍历行/列，导致颜色设置未生效

内容的提问来源于stack exchange，提问作者pythonpaul007