好用的Python，便捷的Pandas，在数据计算和分析中其强大的功能堪比数据库的存在，操作却如同Excel般易于上手。他比Excel、Word、PPT使用VBA更能提升办公自动化程度，也更让人有发展和想象的空间！人类科技的进步，在开源这个共享智慧的时代里，一日千里。
这么好的东西，因为各种原因，如教材的高不可攀，或案例脱离应用场景，常常将人拒之门外，或者枯躁得让人无法坚持学习下去。
作为数据分析的拥趸，有义务也有责任将这么好的技术和工具推荐给大家。接下来的日子里，将会和大家一起来学习Python这个语言，我们使用Spyder这个Python开发环境，[参考资料https://blog.csdn.net/yusongcan/article/details/77073794]
首先我们需要安装Anaconda，建议安装3.7以上的版本，这个啊，想想看，有iphone6和iphone 11免费让你选，你会选哪个？[参考资料 https://blog.csdn.net/ITLearnHall/article/details/81708148]
声明：对于长的参考资料，可以随便看，不想看的时候可以不看，想看的时候再看，这样才会走得更远！还有看教程一定要动手，可以一天选一个主题或一个任务来训练自己。欲成强者：动眼、动脑、还动手！网上看到好的资料，收藏到分类的收藏夹里。网上的文章、电子书和纸质的书都是学习的好帮手和好工具。
眼见为实，现在我们就通过一个递归函数和MRP物料需求计划的计算来看一下我们“好用的Python，便捷的Pandas”，体验一下“人生苦短，我用Python”是何等深情的“告白”吧！
用到的表单释义，抓住重点，我们尽量符合数据库第三范式。
进入正题，在Spyder新建一个空白文件，复制下列代码和注释
# -&- coding: utf-8 -&-
"""
Created on Mon Jul 8 22:05:32 2019
@author: same3
"""
#引入三个python 包
#pandas：数据分析包
import pandas as pd #"as"顾名思义，即以后可以在程序中以缩写pd 代表 pandas
#numpy：科学计算包
import numpy as np
#xlwings：python操作Excel的模块，最好的Excel操作包之一，有取代VBA的趋势
#中文入门学习资料之一： https://www.cnblogs.com/catgatp/p/7875683.html
#英文官方学习网站https://docs.xlwings.org/en/stable/ 建设初学者有空翻翻，随便看看就好，不要太深入，因为太无趣
import xlwings as xw
#声明Excel应用程序，或直接使用 wb=xw.Book(file) 也可以
#app=xw.App(visible=True,add_book=False)
"""
visible
Ture：可见excel
False：不可见excel
add_book
True:打开excel并且新建工作簿
False：不新建工作簿
"""
# display_alerts= False ，禁止Excel弹出提示的对话框
#app.display_alerts=False
#Excel 文件路径
file = r'D:\VBA\LEARNING_ERP.xlsm' #字符串前面加r，是表示其后的字符串不转义，使用真实字符
#打开Excel工作簿，文件路径：'D:\VBA\LEARNING_ERP.xlsm' ，可根据实际设定
wb=xw.Book(file)
wb.app.display_alerts=False
#引用工作簿(workbook)里的工作表（worksheet）
sht_test=wb.sheets['base'] #存放基础数据
sht_view=wb.sheets['view'] #存放计算后的数据
'''
引用单元格当前拓展区域，注意四周行和列的单元格（黄色部分）为空
工作表（worksheet)引用，下标从0从始，如sht_test[19,0]；单元格（range)引用，下标从1开始，如sht_test.range(20,1)这是python的特例。
RNG1[第20行，第1列]的拓展区域（绿色部分），即20-45行，A-C列的区域,即Bom物料清单
RNG2（蓝色部分），即Plan产品生产计划
'''
RNG1= sht_test[19,0].api.currentregion
RNG2= sht_test[19,5].api.currentregion
#命名Excel单元格区域名称
RNG1.name='Bom'
RNG2.name='Plan'
'''
Plan及Bom资料导入pandas的DataFrame中
header=1表示单元格区第一行为列标题行
index=True表示单元格区第一列为索引列，False表示自动索引（从0开始）
'''
dfsz5= sht_test['Plan'].options(pd.DataFrame, header=1,index=True).value
dfsz6 = sht_test['Bom'].options(pd.DataFrame, header=1,index=True).value
'''
连接Plan和Bom，merge横向（列）连接，类似SQL SERVER数据库连接join,
left_index=True,right_index=True表示左右两个DataFrame以索引列为基准进行连接
how='inner'表示内连接
Bom（bill of material）根据物料清单（递归）计算 MRP 物料需求计划
第二阶开始到最尾阶的物料分解，从第一阶分解后取得所需数据
'''
def eeBom(df4A,df4,df2,CX1):
df5=df4[['CID','PCQT','PROCID']]
df5.rename(columns={'CID':'PID','PCQT':'PQT','PROCID':'PROPID'}, inplace = True)
df5.reset_index(drop=True,inplace = True)
df5.set_index('PID',inplace = True)
df6=pd.merge(df5,df2,left_index=True,right_index=True,how='inner')
if df6.empty :
return df4A
else:
df6['PCQT']=df6['PQT']*df6['CQT']
df6['PROCID']=df6['PROPID']+'-'+str(CX1+1)
df6['LEVEL']=CX1+1
df4A=df4A.append(df6)
return eeBom(df4A,df6,df2,CX1+1)
#第一阶的物料分解，从Plan取得所需数据
#首先调动eBom函数，eBom函数再调用eeBom，但是eeBom要定义在eBom之前，不然会出错，会显示找不到eeBom函数
def eBom(df1,df2):
df3=pd.merge(df1,df2,left_index=True,right_index=True,how='inner')
df3['PCQT']=df3['PQT']*df3['CQT']
df3['PROCID']=df3['PROPID']+'-'+str(1)
df3['LEVEL']=1
return eeBom(df3,df3,df2,1)
#计算MRP,并按单据号，物料父项编号排序
dfsz7=eBom(dfsz5,dfsz6).sort_values(by=['PROCID','PID'])
#'FC'列标志物料子项是否为：'F'-尾阶（最终件），'M'-非尾阶（中间件）
#全部先标注为'M'
dfsz7['FC']='M'
#获取Bom表中所有物料父项编号，取唯一值即可
list1=list(dfsz6.index.unique())
#print(list1)
#对MRP物料需求计划表中的最终件标识为'F'
dfsz7.loc[~dfsz7['CID'].isin( list1),['FC']]='F'
#就这样完成啦！超简洁，有没有小伙伴们！
print(dfsz7)
#导出到Excel，首先删除A:AA列，把格式也一起删除，用cells.delete或clear无法删除格式
sht_view.api.columns('A:AA').delete
sht_view.api.cells.delete
sht_view.clear
#在Excel view表'A1'单元格的扩展位置显示dfsz5（即：Plan生产计划表）
sht_view.range(1,1).expand().value = dfsz5
#在Excel view表'E1'单元格的扩展位置显示dfsz6（即：Bom物料清单表）
sht_view.range(1,5).expand().value = dfsz6
#在Excel view表'I1'单元格的扩展位置显示dfsz7（即：MRP物料需求计划表）
sht_view.range(1,9).expand().value = dfsz7
#在Excel view表'第4、8列设置列的颜色，便于在Excel中区分各个计算出来的数据集
sht_view.cells.columns(4).color=(255,128,255)
sht_view.cells.columns(8).color=(255,128,255)
#列自动调整宽度，如果要指定列宽可用 sht_view.range((1,1),(1,20)).api.ColumnWidth = 8
sht_view.api.columns('A:AA').autofit
结果如下：
看不明白的小伙伴们不要着急，今天只是展示了Python强大功能的一角，接下来的日子里，我们就一起共同来学习和进步吧！
工作之余要学习，学习之余要分享。平时只是看别人写，现在自己写一写，才知道其中需要巨大的努力，所谓的台上一分钟，台下十年功，诚不欺人也！
