gspread按列名而非索引获取Google Sheet指定列方法咨询

你可以通过两种方式实现需求，第一种基于现有代码直接调整，第二种可以封装成你期望的自定义调用方法。

方法1：基于现有pandas逻辑直接过滤 #

你当前的代码已经将表格数据转换为带表头的DataFrame，只需要在生成df后直接提取指定列即可，这是最简单的实现方式：

ss = gs.open(args['name'])
wks = ss.worksheet(args['worksheet'])
data = wks.get_all_values()
headers = data.pop(0)
df = pd.DataFrame(data, columns=headers)
# 直接按列名提取需要的列
target_df = df[['COLUMN1', 'COLUMN2']]

如果不需要保留完整的全量DataFrame，也可以在生成df时就指定需要的列，减少内存占用：

need_cols = ['COLUMN1', 'COLUMN2']
ss = gs.open(args['name'])
wks = ss.worksheet(args['worksheet'])
data = wks.get_all_values()
headers = data.pop(0)
df = pd.DataFrame(data, columns=headers)[need_cols]

方法2：封装自定义get_columns方法 #

如果你想要实现和wks.get_columns(['COLUMN1','COLUMN2'])完全一致的调用效果，可以给gspread的Worksheet类扩展一个自定义方法：

# 自定义按列名提取数据的方法
def get_columns(self, col_names):
    all_data = self.get_all_values()
    headers = all_data.pop(0)
    # 校验请求的列名是否存在
    for col in col_names:
        if col not in headers:
            raise ValueError(f"列名 {col} 不存在于当前工作表")
    # 获取目标列的索引
    col_indexes = [headers.index(col) for col in col_names]
    # 遍历每行提取对应列的值
    result = []
    for row in all_data:
        result.append([row[i] for i in col_indexes])
    # 返回结果默认带表头，不需要可以去掉 [col_names] + 部分
    return [col_names] + result

# 将方法绑定到gspread的Worksheet类
gs.Worksheet.get_columns = get_columns

绑定完成后就可以直接使用你期望的语法调用：

ss = gs.open(args['name'])
wks = ss.worksheet(args['worksheet'])
# 直接获取指定列的内容，返回的二维数组第一行为表头，后续为对应行数据
col_data = wks.get_columns(['COLUMN1','COLUMN2'])
# 也可以直接转换为DataFrame使用
df = pd.DataFrame(col_data[1:], columns=col_data[0])

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