import pandas as pd import openpyxl from tkinter import Tk, filedialog from…
- User
import pandas as pd import openpyxl from tkinter import Tk, filedialog from openpyxl.styles import PatternFill, Font import os
Cores da marca
azul_ciano = "00AEEF" azul_escuro = "003366" cinza = "808080" branco = "FFFFFF"
Nomes das colunas corretas
colunas = [ "Cluster", "EC", "CNPJ/CPF", "Nome EC", "Tipo Cliente", "Dt. Negociação", "Dt. Ativação", "Descrição Oportunidade", "Valor Oportunidade", "Fat. Negociado Relógio", "Faturamento M0", "Faturamento M-1", "Dt. Limite Apuração Fat.", "Status Formalização", "Elegível Formalização", "Data Última Visita (Últ. 3 meses)", "DORVM Últ. 4 semanas (CNPJ)", "Qtd. Equipamentos (EC)", "Dt. Última Inst. Equip." ]
Função para selecionar o arquivo Excel
def selecionar_arquivo(): root = Tk() root.withdraw() # Esconder a janela principal do Tkinter caminho_arquivo = filedialog.askopenfilename(filetypes=[("Excel files", "*.xlsx")]) return caminho_arquivo
Função para processar o arquivo Excel
def processar_planilha(caminho_arquivo): # Ler o arquivo Excel ignorando as primeiras 6 linhas df = pd.read_excel(caminho_arquivo, skiprows=6)
# Definir os nomes das colunas manualmente df.columns = colunas # Excluir a primeira coluna (A) df = df.drop(df.columns[0], axis=1) # Ajustar a coluna CNPJ/CPF para ter 14 caracteres (CNPJ) e formatar como texto df['CNPJ/CPF'] = df['CNPJ/CPF'].apply(lambda x: f'{int(x):014}' if len(str(x)) < 14 else str(x)) # Ajustar as colunas de valores para o formato de moeda colunas_moeda = ['Valor Oportunidade', 'Fat. Negociado Relógio', 'Faturamento M0', 'Faturamento M-1'] for coluna in colunas_moeda: df[coluna] = df[coluna].apply(lambda x: f'R${x:,.2f}' if pd.notnull(x) else x) # Ajustar as colunas de data colunas_data = ['Dt. Negociação', 'Dt. Ativação', 'Dt. Limite Apuração Fat.', 'Data Última Visita (Últ. 3 meses)', 'Dt. Última Inst. Equip.'] for coluna in colunas_data: df[coluna] = pd.to_datetime(df[coluna], errors='coerce').dt.strftime('%d/%m/%Y') # Adicionar a coluna de soma do Valor Oportunidade df['Soma Valor Oportunidade'] = df['Valor Oportunidade'].replace('[R$,.]', '', regex=True).astype(float).sum() # Gerar estatísticas conforme solicitado estatisticas = { '[OPORT.] INATIVOS NA CARTEIRA': len(df[df['Status Formalização'] == 'INATIVO']), '[REPIQUE] ATIVOS M0 C/ FAT. M0': len(df[(df['Status Formalização'] == 'ATIVO') & (df['Faturamento M0'] > 0)]), '[REPIQUE] ATIVOS M-1 C/ FAT. M-1': len(df[(df['Status Formalização'] == 'ATIVO') & (df['Faturamento M-1'] > 0)]), '[REPIQUE] NEGOCIADOS NÃO ATIVA': len(df[df['Status Formalização'] == 'NEGOCIADO NÃO ATIVO']), '[REPIQUE] ATIVOS M-2 C/ FAT. M-2': len(df[(df['Status Formalização'] == 'ATIVO') & (df['Faturamento M-2'] > 0)]), } # Salvar o arquivo processado novo_caminho = os.path.splitext(caminho_arquivo)[0] + '_processado.xlsx' writer = pd.ExcelWriter(novo_caminho, engine='openpyxl') df.to_excel(writer, index=False, sheet_name='Dados Processados') # Aplicar formatação com cores workbook = writer.book sheet = workbook['Dados Processados'] for row in sheet.iter_rows(min_row=1, max_row=sheet.max_row, min_col=1, max_col=sheet.max_column): for cell in row: if cell.row == 1: # Cabeçalhos com azul escuro e texto branco cell.fill = PatternFill(start_color=azul_escuro, end_color=azul_escuro, fill_type="solid") cell.font = Font(color=branco, bold=True) else: # Linhas de dados com cinza claro cell.fill = PatternFill(start_color=cinza, end_color=cinza, fill_type="solid") # Salvar o arquivo formatado writer.save() print(f"Arquivo processado salvo em: {novo_caminho}")Executar o processo
if name == "main": caminho_arquivo = selecionar_arquivo() if caminho_arquivo: processar_planilha(caminho_arquivo) else: print("Nenhum arquivo selecionado.")
PS C:\Users\dourado\OneDrive - Cielo\ENVIADO WELL> & C:/ProgramData/anaconda3/python.exe "c:/Users/dourado/OneDrive - Cielo/ENVIADO WELL/teste" Traceback (most recent call last): File "c:\Users\dourado\OneDrive - Cielo\ENVIADO WELL\teste", line 91, in processar_planilha(caminho_arquivo) File "c:\Users\dourado\OneDrive - Cielo\ENVIADO WELL\teste", line 35, in processar_planilha df.columns = colunas ^^^^^^^^^^ File "C:\ProgramData\anaconda3\Lib\site-packages\pandas\core\generic.py", line 6218, in setattr return object.setattr(self, name, value) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "properties.pyx", line 69, in pandas._libs.properties.AxisProperty.set File "C:\ProgramData\anaconda3\Lib\site-packages\pandas\core\generic.py", line 767, in _set_axis self._mgr.set_axis(axis, labels) File "C:\ProgramData\anaconda3\Lib\site-packages\pandas\core\internals\managers.py", line 227, in set_axis self._validate_set_axis(axis, new_labels) File "C:\ProgramData\anaconda3\Lib\site-packages\pandas\core\internals\base.py", line 85, in _validate_set_axis raise ValueError( ValueError: Length mismatch: Expected axis has 22 elements, new values have 19 elements PS C:\Users\dourado\OneDrive - Cielo\ENVIADO WELL>
- Assistant
O erro que você está enfrentando ocorre porque o número de nomes de colunas que você está atribuindo (
colunas) não coincide com o número de colunas presentes no DataFrame após a leitura do arquivo Excel. Vamos analisar o problema passo a passo e fornecer uma solução.Entendendo o Erro
O erro específico é:
ValueError: Length mismatch: Expected axis has 22 elements, new values have 19 elementsIsso significa que o DataFrame original possui 22 colunas após a leitura do arquivo Excel (ignorando as primeiras 6 linhas), enquanto a lista
colunasque você está tentando atribuir contém apenas 19 nomes de colunas. Essa diferença de tamanho (22 vs. 19) está causando o erro.Passos para Resolver o Problema
-
Verificar o Número de Colunas no DataFrame Original:
Antes de atribuir novos nomes às colunas, verifique quantas colunas o DataFrame possui após a leitura:
def processar_planilha(caminho_arquivo): # Ler o arquivo Excel ignorando as primeiras 6 linhas df = pd.read_excel(caminho_arquivo, skiprows=6) print(f"Número de colunas antes de remover: {df.shape[1]}") # Definir os nomes das colunas manualmente df.columns = colunas # ...Execute o script para ver quantas colunas estão sendo lidas inicialmente.
-
Ajustar a Lista
colunas:Com base na análise, você tem duas opções:
-
Adicionar Nomes de Colunas Faltantes:
Se você deseja manter todas as colunas presentes no DataFrame, adicione os nomes faltantes à lista
colunaspara que ela coincida com o número de colunas no DataFrame.colunas = [ "Cluster", "EC", "CNPJ/CPF", "Nome EC", "Tipo Cliente", "Dt. Negociação", "Dt. Ativação", "Descrição Oportunidade", "Valor Oportunidade", "Fat. Negociado Relógio", "Faturamento M0", "Faturamento M-1", "Dt. Limite Apuração Fat.", "Status Formalização", "Elegível Formalização", "Data Última Visita (Últ. 3 meses)", "DORVM Últ. 4 semanas (CNPJ)", "Qtd. Equipamentos (EC)", "Dt. Última Inst. Equip.", "Coluna Adicional 1", # Adicione nomes conforme necessário "Coluna Adicional 2", "Coluna Adicional 3" ] -
Remover Colunas Extras:
Se algumas colunas não forem necessárias para o seu processamento, você pode removê-las antes de atribuir os novos nomes.
# Supondo que você queira manter apenas as primeiras 19 colunas após remover a primeira df = df.drop(df.columns[0], axis=1) # Remove a primeira coluna df = df.iloc[:, :19] # Mantém apenas as primeiras 19 colunas df.columns = colunas
-
-
Verificar o Índice das Colunas a Serem Removidas:
Certifique-se de que a remoção da primeira coluna (
df.drop(df.columns[0], axis=1)) é realmente necessária e que está alinhada com a estrutura do seu arquivo Excel. Se a coluna a ser removida não for a correta, ajuste o índice conforme necessário. -
Exemplo de Código Corrigido:
Aqui está uma versão ajustada do seu script, assumindo que você deseja remover a primeira coluna e atribuir somente 19 nomes de colunas:
import pandas as pd import openpyxl from tkinter import Tk, filedialog from openpyxl.styles import PatternFill, Font import os # Cores da marca azul_ciano = "00AEEF" azul_escuro = "003366" cinza = "808080" branco = "FFFFFF" # Nomes das colunas corretas (19) colunas = [ "Cluster", "EC", "CNPJ/CPF", "Nome EC", "Tipo Cliente", "Dt. Negociação", "Dt. Ativação", "Descrição Oportunidade", "Valor Oportunidade", "Fat. Negociado Relógio", "Faturamento M0", "Faturamento M-1", "Dt. Limite Apuração Fat.", "Status Formalização", "Elegível Formalização", "Data Última Visita (Últ. 3 meses)", "DORVM Últ. 4 semanas (CNPJ)", "Qtd. Equipamentos (EC)", "Dt. Última Inst. Equip." ] # Função para selecionar o arquivo Excel def selecionar_arquivo(): root = Tk() root.withdraw() # Esconder a janela principal do Tkinter caminho_arquivo = filedialog.askopenfilename(filetypes=[("Excel files", "*.xlsx")]) return caminho_arquivo # Função para processar o arquivo Excel def processar_planilha(caminho_arquivo): # Ler o arquivo Excel ignorando as primeiras 6 linhas df = pd.read_excel(caminho_arquivo, skiprows=6) print(f"Número de colunas antes de remover: {df.shape[1]}") # Excluir a primeira coluna (A) df = df.drop(df.columns[0], axis=1) print(f"Número de colunas após remover a primeira: {df.shape[1]}") # Verificar se o número de colunas corresponde à lista 'colunas' if df.shape[1] != len(colunas): raise ValueError(f"O número de colunas no DataFrame ({df.shape[1]}) não coincide com o número de nomes fornecidos ({len(colunas)}).") # Definir os nomes das colunas manualmente df.columns = colunas # Ajustar a coluna CNPJ/CPF para ter 14 caracteres (CNPJ) e formatar como texto df['CNPJ/CPF'] = df['CNPJ/CPF'].apply(lambda x: f'{int(x):014}' if pd.notnull(x) and len(str(int(x))) < 14 else str(x)) # Ajustar as colunas de valores para o formato de moeda colunas_moeda = ['Valor Oportunidade', 'Fat. Negociado Relógio', 'Faturamento M0', 'Faturamento M-1'] for coluna in colunas_moeda: df[coluna] = df[coluna].apply(lambda x: f'R${x:,.2f}' if pd.notnull(x) else x) # Ajustar as colunas de data colunas_data = ['Dt. Negociação', 'Dt. Ativação', 'Dt. Limite Apuração Fat.', 'Data Última Visita (Últ. 3 meses)', 'Dt. Última Inst. Equip.'] for coluna in colunas_data: df[coluna] = pd.to_datetime(df[coluna], errors='coerce').dt.strftime('%d/%m/%Y') # Adicionar a coluna de soma do Valor Oportunidade df['Valor Oportunidade'] = df['Valor Oportunidade'].replace('[R$,.]', '', regex=True).astype(float) soma_valor_oport = df['Valor Oportunidade'].sum() df['Soma Valor Oportunidade'] = soma_valor_oport # Gerar estatísticas conforme solicitado estatisticas = { '[OPORT.] INATIVOS NA CARTEIRA': len(df[df['Status Formalização'] == 'INATIVO']), '[REPIQUE] ATIVOS M0 C/ FAT. M0': len(df[(df['Status Formalização'] == 'ATIVO') & (df['Faturamento M0'].astype(float) > 0)]), '[REPIQUE] ATIVOS M-1 C/ FAT. M-1': len(df[(df['Status Formalização'] == 'ATIVO') & (df['Faturamento M-1'].astype(float) > 0)]), '[REPIQUE] NEGOCIADOS NÃO ATIVA': len(df[df['Status Formalização'] == 'NEGOCIADO NÃO ATIVO']), # [REPIQUE] ATIVOS M-2 C/ FAT. M-2: Esta coluna não está presente # Adicione se necessário } print("Estatísticas:") for chave, valor in estatisticas.items(): print(f"{chave}: {valor}") # Salvar o arquivo processado novo_caminho = os.path.splitext(caminho_arquivo)[0] + '_processado.xlsx' writer = pd.ExcelWriter(novo_caminho, engine='openpyxl') df.to_excel(writer, index=False, sheet_name='Dados Processados') # Aplicar formatação com cores workbook = writer.book sheet = workbook['Dados Processados'] for row in sheet.iter_rows(min_row=1, max_row=sheet.max_row, min_col=1, max_col=sheet.max_column): for cell in row: if cell.row == 1: # Cabeçalhos com azul escuro e texto branco cell.fill = PatternFill(start_color=azul_escuro, end_color=azul_escuro, fill_type="solid") cell.font = Font(color=branco, bold=True) else: # Linhas de dados com cinza claro cell.fill = PatternFill(start_color=cinza, end_color=cinza, fill_type="solid") # Salvar o arquivo formatado writer.save() print(f"Arquivo processado salvo em: {novo_caminho}") # Executar o processo if __name__ == "__main__": caminho_arquivo = selecionar_arquivo() if caminho_arquivo: try: processar_planilha(caminho_arquivo) except ValueError as e: print(f"Erro: {e}") else: print("Nenhum arquivo selecionado.")
Considerações Adicionais
-
Validação dos Dados:
-
CNPJ/CPF: A função de formatação foi ajustada para garantir que apenas valores não nulos com menos de 14 caracteres sejam formatados como CNPJ. Isso evita erros caso existam valores
NaNou valores de CPF que não possuem 14 dígitos. -
Conversão para Float: Antes de realizar operações matemáticas, certifique-se de que as colunas numéricas estão no tipo correto (
float).
-
-
Estatísticas:
- Faturamento M-2: No seu dicionário de
estatisticas, você está tentando calcular[REPIQUE] ATIVOS M-2 C/ FAT. M-2, mas essa coluna não está presente no seu DataFrame. Certifique-se de que essa coluna exista ou ajuste conforme necessário.
- Faturamento M-2: No seu dicionário de
-
Formatação de Células com Moeda:
- A formatação como string pode não ser ideal para posteriores manipulações. Considerar manter os valores como
floatpara análises e aplicar a formatação apenas na exportação, se necessário.
- A formatação como string pode não ser ideal para posteriores manipulações. Considerar manter os valores como
-
Cores das Células:
- Atualmente, todas as células, exceto os cabeçalhos, estão sendo preenchidas com a cor cinza. Se desejar alternar cores por linha ou aplicar formatações diferentes, ajuste a lógica de formatação conforme necessário.
-
Uso de
writer.save():- Embora
writer.save()funcione, é recomendado usarwriter.close()ou, melhor ainda, utilizar um contextowithpara garantir que o arquivo seja fechado corretamente.
with pd.ExcelWriter(novo_caminho, engine='openpyxl') as writer: df.to_excel(writer, index=False, sheet_name='Dados Processados') # ... formatação - Embora
Conclusão
O erro principal estava na discrepância entre o número de colunas no DataFrame e a lista de novos nomes de colunas. Garantir que esses números coincidam resolverá o problema. Além disso, revisar e ajustar outras partes do script pode melhorar a robustez e funcionalidade geral do seu processamento de planilhas.
Se precisar de mais assistência ou tiver outras dúvidas, fique à vontade para perguntar!
-