Python在您的日常生活中扮演了什么角色？

发表时间: 2023-11-24 13:43

你都用 Python 来做什么？既然是 Python，那用它能做到的事情就非常多，包括爬虫、自动化脚本、机器学习，等等。但其实对于很多非专业人员来说，仅靠 Python 本身是很难实现一些有趣或有用的目标和结果。比如用 Python 抓取数据后制作成地图、图库等应用，甚至进行共享协作，这如果再用 Python 去做个网页来可视化、共享，就会比较复杂，还不好维护。而如果结合 SeaTable 表格来用，就会非常方便，能帮你轻松实现很多想法和应用。并且同样免费使用，可使用云版，也可以私有化部署。

SeaTable是以智能表格为基础的新型数字化平台。可搭建出灵活的业务系统和应用广告

一、Python + SeaTable 表格介绍

SeaTable 是一款以在线协同表格为基础的新型数字化平台。它结合了协同表格的易用性和数据库强大的数据处理能力。支持“文件”“图片”“单选”“协作人”“公式”等丰富的数据类型，能帮助我们用表格的形式来组织和管理各类信息。在表格基础上，它还支持自定义工作流、应用搭建、数据分析等丰富的扩展功能，可以快速搭建出灵活的业务系统和软件应用。

丰富的数据类型

丰富的插件、外部应用

进一步来说，SeaTable 表格提供了：Python API、多条件数据去重、多种自动数据处理、自动化规则、提醒规则、按钮、多种可视化插件、SQL 查询插件、页面设计插件、高级统计、多种外部应用等丰富的功能，实用易用。能满足数据采集、收集、处理、统计分析、可视化、共享、应用制作等全流程一体化使用。

就拿脚本来说，它提供了 Javascript 和 Python 脚本的运行环境，我们可以把脚本和数据放在一个表格进行管理，不需要再单独找一个服务器。而且还可以在表格中根据不同的需要存储多个脚本文件，一键点击运行就可以达到想要的效果，轻松实现数据处理的自动化。

脚本

举例来说，平时我们用 Python 脚本来写一些小应用的时候，如何保存、展现和共享数据是一个很麻烦的地方，而如果用 SeaTable 这个协同表格，我们就能有效地简化小应用的开发。借助它自带的 Python 脚本运行环境，我们可以把脚本和数据放在一个地方进行管理，而不用再单独找一个服务器，省去了很多成本。可以总结为：

在 SeaTable 表格中，可以存储多个脚本文件，一键点击就可以执行运行。
在 SeaTable 表格中，可通过“自动化规则”功能对表格中子表的视图（如默认视图、设置了过滤等条件的其他视图）设置定期运行，如每天、每周、每月，并可以相应地选择到具体几点。
在 SeaTable 表格中，可以增加“按钮”类型列，来调用和一键运行脚本，让表格更像一个应用。

增加自动化规则运行脚本

用“按钮”列调用和运行脚本

二、Python + SeaTable 表格应用场景

（一）从启信宝网站获取公司融资等信息并生成可视化数据分析图表

案例：本案例基于一家投资公司的真实需求。投资公司通过启信宝的对外 API 接口获取各公司融资信息到 SeaTable 表格，并完成跨表链接、计算，和自动数据可视化分析。

SeaTable：Python + SeaTable | 从启信宝网站获取公司融资等信息至 SeaTable 表格41 赞同 · 11 评论文章

1.数据同步

首先在表格里写入基本的公司信息，把企业名称、统一信用代码作为基础数据。如下图中的「公司」子表：

添加表格并填写基本信息

接下来，在表格中再创建一个子表「融资信息」用于后续填入获取的融资等信息。然后为这个子表插入列，如融资轮次、统一信用代码、融资日期、融资额等。如下图：

创建子表并插入列

然后，用「公司」子表中的统一信用代码向启信宝的 API 请求数据。此时，需要自己在启信宝上申请 API 的 APP_KEY 和 SECRET_KEY，同时需要添加本地的 IP 地址到启信宝的 IP 白名单中。做好这些准备工作后，就可以用 Python 结合 SeaTable 的相关 API 对融资数据进行写入。以下是数据同步的算法逻辑：

对「公司」子表中的每一个公司，使用启信宝 API，获取公司的融资数据，包括融资金额、融资轮次、融资日期等。
对比「融资信息」子表：

如果某次融资记录不存在，那么进行添加；
如果已存在，但是表格中的信息不一致，那么认为表中信息是经过用户手工更新过的，不进行修改；
如果已存在，而且信息一致，也不进行处理。

具体的流程代码请参照此处完整的案例脚本，数据写入之后的表格如下（融资额只作演示用）：

案例脚本

获取融资等信息

2.数据处理（自动链接两个子表的关联记录）

前面完成数据获取和同步后，此时可以用 SeaTable 的“数据处理”功能中的“自动添加链接”，根据「公司」和「融资信息」两个子表的“统一信用代码”列匹配的规则，来为这两个子表一键快速添加链接记录，达到关联目的。操作如下：

在表格工具栏点击“···”按钮，选择“数据处理”（里面有多种数据处理操作）中的“自动添加链接”，如下图：

自动添加链接

然后根据匹配规则，选择两个子表中的“统一信用代码”列相等，再点击运行即可。如下图：

一键运行“自动添加链接”

点击运行后，两个子表会同时自动生成链接列并关联上对应的记录。即「公司」表会自动关联上「融资信息」表中每个统一信用代码的所有融资记录。如下图中的“融资信息”列（点击单元格中的记录，可进入查看和编辑行详情）。如下图：

自动链接关联记录

同时，「融资信息」表也会自动链接上「公司」表中的关联记录，即每行融资记录都关联上了属于哪个公司（点击“公司”列单元格中的记录，可进入查看和编辑详情）。如下图：

自动链接关联记录

3.快速统计分析数据并生成各类可视化图表

在 SeaTable 表格中，如上图所示，可以通过增加表格视图来过滤出不同角度的数据，方便快速切换查看。另外，这也方便对不同角度的数据（视图）进行数据分析和可视化。比如用表格的“统计”功能可快速创建出统计表格和基础的图表；用“高级统计”插件（从表格右侧“插件”里一键添加）可以快速创建出类型更丰富的统计分析图表，对融资表完成更多维度和形式的数据可视化。图表可导出。如下图：

高级统计大屏仪表盘

（二）用 Python 从维基百科抓取冬奥会城市信息并制作地图

案例：用 Python 从维基百科中抓取城市数据，然后自动填入到 SeaTable 表格中，并用 SeaTable 表格的可视化插件自动生成地图、图库等。（代码详见下方案例链接）

SeaTable：Python + SeaTable | 用 Python 从维基百科抓取冬奥会城市信息并制作地图

1.自动获取城市经纬度到表格“经纬度”字段

从网页中获取信息，需要一些简单的 python 爬虫技术。该任务中采用 requests 和 beatifulsoup 的 Python 模块进行实现，其中 requests 模块可以模拟线上请求，返回一段 html 的 DOM 树， beatifulsoup 通过解析 DOM 树来获取标签中的想要的信息。以维基百科中的一个城市经纬度为例，该 DOM 树的结构如下：