诺～，这就是表哥。
当领导把一堆表哥发给你的时候，你看着下午四点的钟，感觉自己下班后的所有小计划都一一破灭了，又要加班了... ... 你拿起了手机，打开了美团外卖... ...
老板：把这个表哥的资料整理一下，整理好了发给我。
你以为老板想要的是介样滴：
奋战了几个小时，发给老板。
老板半个小时回复：这样太乱了，把一个人的业绩都合并一下。
你望着上千行的表哥手无足措，满脑子都是表哥，怎么解决这个表哥？
实际老板想要的是介样滴：
你一边干着活，一边想着各种问候领导的话，嗯，活还是得干。那么如何处理这上千行嗷嗷待合并的表哥呢？
拿好板凳，小葵花课堂开课啦！
当用户一个需求甩到我们的面前的时候，就要分析一下有几种解决办法。
或者直接在网上搜一下，看大家有没有遇到一样的情况的，如果有，太好了，抄之。如果没有，那只能自己创造啦！或者看着别的代码或者思路觉得不靠谱还不如自己一展身手。
方案1:
先读取表哥数据，然后for循环处理需要合并的单元格。
方案2:
站在巨人的肩膀上，寻找优秀的框架，在优秀的框架基础上进一步修改。
之前短暂接触过pandas，其dataframe特别符合数据表格，也许它有强大的功能呢？
那我们先打开pandas的官方网站，从官方文档入手，国外优秀的开源项目都有一份很完善的文档作为支撑，不像国内，没开源项目代码开源，文档居然收费，呵呵哒～。离开源精神相差太远，目测要发展起来很难，因为它自己把自己给局限起来了，很不明智。扯远了，我们继续看pandas的官方文档。
10分钟了解pandas，我看到了其中的Grouping，其实就是分组排序嘛，学过数据库的大家都懂，我们看看分组排序能否解决我们的需求：
刚翻了没几行就发现了让我眼前一亮的东西！你们发现了没有？那我来个特写好了：
红框出第一行啊，是不是我们想要的样子呢？
别慌，先继续往下走走。
... ...
... ...
... ...
... ...
... ...
其中省略1000字，本来想写写过程，最近实在是忙直接上结果吧。
关键部分代码：
#依赖的软件包，pandas、xlrd、openpyxl
import pandas as pd
import numpy as np
BASE_DIR='your file path' # 你的文件路径
df = pd.read_excel(BASE_DIR)
df.fillna('', inplace=True)
df.reset_index(inplace=True)
# 上面一行关键代码，没有这一行是不行滴，尝试N次外加重复阅读官方文档之后的结果
wf_groups = df.groupby(['姓名', '电话', '家庭住址',
'业绩', '考核', '时间'])
wf_groups.agg([np.mean]).to_excel('你想要的表哥导出.xlsx') # 导出在当前文件夹下面
好了，我们跑完之后看看结果吧。
我们看到，表哥基本上是你想要的表哥了，动动鼠标删掉没有用到的行和列就可以了。
如果有强迫症，那么我们继续。
from openpyxl import load_workbook
filename = 'your file path'
wb = load_workbook(filename)
ws = wb.active
ws.delete_cols(13) #删除第 13 列数据
ws.delete_rows(3) #删除第 3行数据
wb.save(filename)
wb.close()
根据你家表哥的样子，删除你想删除的行或者列。
如果你家表哥比较多，那就写个for循环遍历一下，后面就是你跟你的表哥的事情了，小编就不过多掺和了。
不懂的小伙伴后台私信我吧。
关注小葵花python课堂，定期推送python新玩法～
