导入 Excel

说明

从 PlaidCloud 文档中导入 Microsoft Excel 文件的指定工作表。Analyze 同时支持旧版 Excel 格式（XP/2003）和新格式（2007/2010/2013），包括但不限于以下文件类型：

XLS
XLSX
XLSB
XLSM

二进制工作簿（XLSB）、旧版 XLS 和 ODS 文件导入工作表和单元格区域的方式与 XLSX 相同。

Excel 导入通过临时存储以流式方式处理，而不是将整个工作簿加载到内存中，因此导入超大文件也不会耗尽内存。源数据类型（小数、日期和时间戳）会保留在目标表中，而不是以文本形式传递。

示例

暂无示例……

导入参数

Import Source and Target

此转换中的文件选择器用于选择存储在 PlaidCloud 文档位置中的文件进行导入。

也可以选择一个目录进行导入，该目录中的所有文件都将在转换运行时一并导入。

源账户

选择您有权访问的 PlaidCloud 文档账户。这样可以在下一项选择中选取目录或文件。

在项目内，列表顶部还提供 项目默认 — 代表项目当前设置为默认的账户。如果项目设有默认账户，新步骤会预选“项目默认”；现有步骤在您更改之前，会保留其已保存的账户。保持为“项目默认”的步骤，运行时会使用运行当时项目的默认账户 — 如果未设置，则运行失败并指明该项目，而不会回退到其他账户。

搜索选项

搜索选项可以在指定目录路径下查找所有匹配的文件进行导入。如果需要包含许多文件，但它们存储在嵌套目录中，或与不想导入的其他文件混放在同一目录中，此选项尤其有用。

所选的搜索路径是搜索的起始目录。搜索过程会查找该目录及其子目录中符合指定搜索条件的所有文件。请确保搜索条件同样适用于子目录中的文件。

搜索可以应用以下条件：

精确：与搜索文本完全匹配
开头为：匹配以搜索文本开头的任何文件
包含：匹配包含搜索文本的任何文件
结尾为：匹配以搜索文本结尾的任何文件

AI 助手或 REST API 还可以将搜索设置为 glob（一种通配符模式，例如 CO Store*.yxdb，对整个文件名进行匹配且忽略大小写），或 regex（整个文件名必须匹配的正则表达式）。除非以 (?i) 开头，否则正则表达式区分大小写。

源文件路径

当需要导入特定文件或一组目录中的文件时，选择该文件或目录是比使用搜索更好的方式。

要选择文件或目录，只需使用浏览按钮，在上方所选的文档账户中选取路径。

变量替换

无论是搜索选项还是特定文件/目录选项，路径、搜索文本和文件名中都可以使用变量。

以下示例使用 current_month 变量动态指向正确的文件：

legal_entity/inputs/{current_month}/ledger_values.csv

目标表

导入的目标只能选择表，因为视图不包含底层数据。

动态选项

动态选项允许使用文本（包括变量）指定表。在由变量驱动的工作流中，表和视图的引用是相对于所指定变量的，此选项非常有用。

以下示例使用 current_month 变量动态指向目标表：

legal_entity/inputs/{current_month}/ledger_values

静态选项

如果希望将特定的表作为导入目标，请不要勾选动态复选框，然后选择目标表。

如果目标表不存在，请选择 新建表 按钮，在所需位置创建该表。

任何表选择旁边都始终提供表资源管理器。单击表选择右侧的表资源管理器按钮，即可打开表资源管理器窗口。

删除非 ASCII 字符选项

选择此选项后，导入将删除所有非 ASCII 内容。虽然 PlaidCloud 完全支持 Unicode (UTF-8)，但现实中的文件可能包含各种编码和杂散字符，给处理带来困难。

如果文件内容预期仅包含 ASCII，勾选此复选框有助于确保导入过程顺利运行。

导入后删除文件选项

此选项允许导入过程在成功完成导入后，从 PlaidCloud 文档账户中删除该文件。

如果导入文件可以从记录系统重新生成，或者处理完毕后没有理由保留原始输入文件，此选项会很有用。

仅删除已导入的文件。导入期间被跳过或产生警告的文件会保留在文件夹中。

源文件未更改时跳过重新导入选项

启用此选项后，如果源文件和步骤设置自上次成功运行以来没有变化，此步骤的工作流运行会跳过整个导入过程 — 包括下载、转换和表重建。这样可以避免计划工作流在源文件未变化时重复执行相同的工作。

步骤会按路径、大小和最后修改时间（以及源提供的内容哈希，如有）比较每个源文件。如果有任何文件被添加、移除或更改，或步骤的配置发生变化，导入将照常运行。此选项 默认启用 — 取消勾选即可始终重新导入 — 而手动的一次性导入始终会运行。

跳过还要求目标表仍保留上次导入所加载的行。如果该表此后已被清空，或无法读取其行数，则导入会再次运行，而不是跳过，以免下游步骤没有数据。

某些源（例如 SFTP）不提供内容哈希，因此对这些源，变化信号仅为文件的大小和最后修改时间。原地替换且大小和修改时间相同的文件会被视为未更改而被跳过 — 对于源可能以这种方式更新的步骤，请取消勾选此选项。

标题行

由于 Excel 文件可能包含也可能不包含标题行，PlaidCloud 提供了三种方式：使用标题行、忽略标题行，或使用列顺序来确定列的对齐方式。

无标题行：文件不包含标题行。使用数据映射器中的源列表来确定列的对齐方式
有标题行 - 使用标题行并覆盖字段列表：文件有标题行。使用指定的标题名称，并忽略数据映射器中的源列表。
有标题行 - 跳过标题行并改用字段列表：文件有标题行，但应忽略。使用数据映射器中源列表指定的标题名称。

标题单元格中开头和结尾的空格及换行符会从列名中去除。

行选择

对于含有多余记录的输入文件，可以指定在处理数据之前要跳过的行数。如果文件中包含必须先跳过才能到达表格数据的标题块，这一设置会很有用。

选择Keep Empty Text Cells As Empty String，可将空文本单元格加载为空字符串而不是 NULL。

更多 Excel 选项包含以下字段：

排除工作表隐藏的行（skip_hidden_rows）——不导入工作表隐藏的行。
将公式错误单元格作为错误文本（#DIV/0!）导入，而不是留空（keep_error_cells）——公式错误单元格会导入为其错误文本（例如 #DIV/0!），而不是留空。
有效位数（significant_digits）——将每个小数四舍五入到此有效位数。Excel 保留 15 位。
工作表位置（sheet_index）——导入工作簿中此位置（从 0 开始）的工作表，以取代按名称选择的工作表。

在要导入的工作表中，选择导入第一个包含数据的工作表（sheet_first_with_data），可导入第一个包含数据的工作表，并跳过它之前的空工作表。如果没有任何工作表包含数据，则读取工作簿的第一个工作表。

工作簿

工作簿密码变量用于打开受密码保护的工作簿。请输入保存密码的工作流变量或项目变量（例如 {xlsx_password}），而不是密码本身：保存时，如果步骤的密码字段中不是变量引用，就会被拒绝，因此密码不会出现在步骤、步骤版本或副本中。在此规则出台之前保存过键入密码的步骤，其密码已被自动移入新的项目变量（仅架构师可见），步骤现在引用该变量。

读取内容

导入中的每个条目会选择一个工作表、一个由工作簿定义的命名区域或一个特定的单元格区域——三者地位平等，一次导入可以在多个条目中混合使用。

工作表：按名称选择并读取整个工作表。
命名区域：读取工作簿自身为其定义了名称的区域。命名区域与工作表一起列在选择器中（见下文在所选文件中查找工作表），因此选择方式与选择工作表相同。
单元格区域：读取不依附于工作表或工作簿名称的特定矩形区域。选择该区域所在的工作表，然后在 $ 之后输入区域。支持三种形式：
- Sheet1$A1:J100——有界区域。
- Sheet1$A1:J——开放式；从 A1 开始，向下读取 A 到 J 列直至最后一行。
- Sheet1$A:BJ——整列；读取工作表的 A 到 BJ 列，这是 Alteryx 为 Excel 输入写出的形式。

命名区域从 XLSX 和 XLSM 工作簿中读取。XLSB、XLS 和 ODS 工作簿提供工作表和单元格区域。

要导入的工作表

由于工作簿可能包含许多数据各异的工作表，因此可以选择在当前导入过程中导入哪些工作表。选项如下：

所有工作表
匹配搜索的工作表
所选工作表

使用工作表搜索

工作表搜索功能可纳入符合搜索条件的工作表。搜索条件包括：

开头为：工作表名称以搜索文本开头
包含：工作表名称包含搜索文本
结尾为：工作表名称以搜索文本结尾

在所选文件中查找工作表

“查找工作表”按钮会打开 Excel 文件，并在表格中列出可用的工作表和命名区域。勾选表格中要纳入导入的工作表和/或命名区域。.zip 文件内的工作簿同样适用：其工作表和命名区域也会被列出。

工作表映射

工作表映射可为每个工作簿读取不同的工作表集合。请选择一个工作表映射表，其中每行对应一个要读取的工作表，由其工作簿列保存工作簿的路径或文件名，由其工作表列保存工作表。设置工作表映射后，只读取该表中列出的工作簿，每个工作簿只读取其对应的工作表，并按表中的行顺序读取。工作表留空则读取该工作簿的第一个工作表。

不含所选工作表的文件

当导入读取多个文件时，如果某个文件不包含所选的工作表，或没有与您的工作表搜索相匹配的工作表，则该文件会被跳过。步骤完成时会给出警告，指明被跳过的文件并列出该文件实际包含的工作表，其他文件仍会正常导入。如果所有文件都被跳过，步骤仍然成功，目标表保持为空，并给出警告说明原因。工作表名称必须完全匹配，包括大小写。

即使开启了导入后删除文件，被跳过的文件也会保留在文件夹中，并在每次运行时再次发出警告，直到您删除或修复它。多文件导入的警告会显示在步骤上：最多列出五条，其余只显示数量。

表数据选择

数据映射器配置

Table Data Mapper

数据映射器用于将源数据中的列映射到目标数据表。

检查并填充映射器

使用 检查源 菜单按钮可以通过更多方式将源中的列映射到目标：

填充两个映射表：将源数据表中的所有值传播到目标数据表。这是默认行为。
仅填充源映射表：仅映射源数据表中的所有值。当源列结构发生变化而需要修改现有工作流时，此选项很有用。
仅填充目标映射表：仅将所有值传播到目标数据表。

如果上述源列和目标列选项仍不够用，还可以通过以下几种方式向目标数据表添加其他列：

全部传播 会将所有源列插入目标数据表，无论这些列是否已存在。
传播所选项 仅插入所选的源列。
在目标侧右键单击并选择 插入行，可在当前所选行的正上方插入一行。
在目标侧右键单击并选择 追加行，可在目标数据表的底部（最右侧）插入一行。

删除列

要从目标数据表中删除列，请选择所需的列，然后右键单击并选择删除。

不再列出的源列

目标行可能指定了某个源列，而源数据表已不再列出该列，例如在重新检查源之后。步骤绝不会自动移除这样的行，而是将列名显示为红色，并在前面加上 ⚠ 警告标志；将鼠标悬停在其上，会提示该列不在源列中。在包含多个表的步骤（如联合）中，每个表都会分别对照其自身的源列进行检查。

带有常量、表达式 或 计数（含空值） 汇总的行不会被标记，因为步骤不会读取其源列。当源数据表没有列出任何列时（例如首次检查源之前），也不会标记任何内容。

保存仍含有已标记行的步骤时，会出现 发现过时列 对话框，按其所在的选项卡或表列出这些行，并提供三个选项：

全部移除并保存 — 移除已标记的行，然后保存。
仍然保存 — 按现状保存步骤。
取消 — 返回步骤，不保存。

要保留某一行并清除其警告，请将该列重新添加到源数据表，或选择源数据表中列出的某一列。

列数据类型

每个目标列都带有一个类型。从源传播而来的列沿用源列的类型；手动添加的行起初为文本，需要设置类型来指明其实际类型 — 打算求和或排序的列需要使用数值或日期类型，因为文本会按文本方式排序和求和。

保存时没有任何类型的列，步骤仍可运行。类型会在步骤启动时根据该列所读取的源列确定。如果无处可读，则视为文本：提取 SQL 步骤的列来自您编写的查询，而不是映射的源；如果多个源中存在同名列但类型不一致，则使用文本，而不是随意选择其中一种 — 猜错会产生仓库可能拒绝的转换，而任何类型都可以转换为文本。

自行设置类型仍然是指明列应为何种类型的方式。不设置则意味着接受源列恰好具有的类型。

更改列顺序

要重新排列目标数据表中的列，请选择所需的列。可以使用以下任一方式：

批量移动箭头：从右上角的箭头中选择所需的移动选项
上下文菜单：右键单击并选择 移到顶部、上移、下移或 移到底部。

仅返回非重复记录

要仅返回非重复的选项，请选择 非重复 菜单选项。这会为源中的每一列切换显示一组复选框。只需勾选相应列旁边的复选框，即可仅返回非重复的结果。

视情况而定，您可能需要考虑改用汇总。

非重复处理会保留找到的第一条唯一记录，并丢弃其余记录。如果运行之间的一致性很重要，可能需要对数据进行排序。

聚合与分组

要聚合结果，请选择汇总菜单选项。这会为目标数据表中的每一列切换显示一组选择框。请为每一列选择合适的汇总方法。

当 检查源 填充列时，如果数值列的名称读起来像标识符（例如 id、customer_id、Order No 或 CustomerKey），或者其所在表将其设为键，或者联接将其用作键，则该列起初为 分组依据，而不是求和。

分组依据
求和
最小值
最大值
第一个
最后一个
计数
计数（含空值）
平均值
标准差
样本标准差
总体标准差
方差
样本方差
总体方差
高级非分组

有关表达式、清理和常量等高级数据映射器用法，请参阅高级数据映射器用法

一个源列对应多个目标列

一个源列可以为多个目标列提供数据。在两个或更多目标行上映射同一个源列，每行有各自的名称、类型或表达式。例如，将 Amount 先读取为文本列，再读取为数值列，或者用同一单元格构建两个文本列。数值目标列不再在您的表达式运行之前转换源数据，因此表达式可以先清理类似 1,500 的值。

除导入 CSV 外，所有使用数据映射器的文件导入都以相同方式工作：导入 Excel、固定宽度、JSON、Avro、Parquet、DBF、XML 和 YXDB。

数据筛选器

Table Data Filters

为了获得最大的灵活性，源数据和目标数据都可以使用数据筛选器。对于较大的数据集，在源端筛选掉部分行尤其有益，这样后续操作只需处理较小的数据集。

选择数据子集

此筛选器类型用于根据指定条件筛选传入的源数据。

对结果数据应用二次筛选器

此筛选器类型用于根据指定条件对转换后的结果数据应用筛选器。对转换后的结果应用筛选器，可以基于复杂计算、汇总或窗口函数的结果进行排除。

最终数据表切片（限制）

行切片功能可根据范围和起始点限制结果集中的行数。

筛选器语法

筛选器语法使用 Python SQLAlchemy，与其他表达式的语法相同。

有关示例和表达式函数，请参阅表达式部分。