大家好，我是皮皮。
一、前言
前几天在Python最强王者交流群【哎呦喂 是豆子～】问了一个Python自动化办公的问题，一起来看看吧。
下图是他的原始数据和他想得到的目标数据，如下所示：
需要在标黄的两行里边进行相关操作。
二、实现过程
之前的文章中【莫生气】使用了openpyxl进行了实现，的确可行，但是那只是针对小批量数据表，单单几个漏洞的情况下，还算可以hold住的，但是在多个漏洞的情况下，比方说几十个这样，那挨个的去写，还是非常吃力里的。这一篇文章我们一起来看看【隔壁😼山楂】大佬给出的pandas实现，非常秀儿。
下面是他提供的代码：
# 筛选或条件
dfc1 = df.groupby(['系统名称', '漏洞名称', '是否提供误报证明']).agg({'ip': 'unique'}).rename(columns={'ip': '已提供误报证明ip'}).reset_index()
dfc2 = df.groupby(['系统名称', '漏洞名称', '是否提供无法整改证明']).agg({'ip': 'unique'}).rename(columns={'ip': '已提供无法整改证明ip'}).reset_index()
res = dfc1.merge(dfc2, how='outer', left_notallow=['系统名称', '漏洞名称', '是否提供误报证明'], right_notallow=['系统名称', '漏洞名称', '是否提供无法整改证明'])
res1 = res.loc[res['是否提供误报证明'].eq('是') & res['是否提供无法整改证明'].eq('是')].copy()
res1.set_index(['系统名称', '漏洞名称'], inplace=True)
# 筛选与条件
res2 = df[df['是否提供误报证明'].eq('否') & df['是否提供无法整改证明'].eq('否')].groupby(['系统名称', '漏洞名称']).agg({'ip': 'unique'}).rename(columns={'ip': '没有误报和无法整改证明的ip'})
# 结果合并
res = res1.join(res2, how='outer').fillna('')
# 将结果列表处理成字符串
ip_cols = res.columns[res.columns.str.contains('ip')]
res[ip_cols] = res[ip_cols].applymap(', '.join)
# 无ip的单元格用无填充
res[ip_cols] = res[ip_cols].where(res[ip_cols].ne(''), '无')
# 保存结果
res.to_excel('result.xlsx', index=False)这个简单来说就是筛选三次，三次的结果进行合并，运行之后可以得到预期的效果图如下所示：
顺利地解决了粉丝的问题。细心的小伙伴可能已经发现了，这里只是显示了2个漏洞的情况，那么针对多漏洞的情况，又该如何进行实现呢？下一篇文章，【隔壁😼山楂】继续给大家带来惊喜，敬请期待！
三、总结
大家好，我是皮皮。这篇文章主要盘点了一个Python自动化办公实战的问题，文中针对该问题，给出了具体的解析和代码实现，帮助粉丝顺利解决了问题。
最后感谢粉丝【哎呦喂 是豆子～】提问，感谢【莫生气】、【隔壁😼山楂】给出的思路和代码解析，感谢【鶏啊鶏。】、【Ineverleft】等人参与学习交流。
【提问补充】温馨提示，大家在群里提问的时候。可以注意下面几点：如果涉及到大文件数据，可以数据脱敏后，发点demo数据来（小文件的意思），然后贴点代码（可以复制的那种），记得发报错截图（截全）。代码不多的话，直接发代码文字即可，代码超过50行这样的话，发个.py文件就行。
