html开发笔记20-合并单元格-列和行

、什么是合并单元格？

一个表格中分为行和列，有时候你经常在网页中看到类似这样的表格，有时候是合并了列，有时候是合并了行。那么这个是怎么做的？也是通过下面的方法实现的。

二、怎么合并？

向单元格添加属性即可实现，合并列和行的属性不一样

1、合并列的属性：clospan="2" //要合并几列数字就是几

2、合并行的属性：rowspan="2" //同理，要合并几行数字就是几

3、合并后的单元格（行或列）必然会自动多出来一个，需要手动删掉。

4、重点：合并单元格只和 td 标签有关系：

（1）合并列：是左右合并，在左侧的 td 标签中添加 colspan="2" 要合并的 td 的数量。

（2）合并行：是上下合并，在上面的 td 标签中添加 rowspan="2" 要合并的td的数量。

（3）合并完后删除多余的 td 标签。

三、两个属性的用法

1、合并列的用法：

（1）首先确定你要合并的单元格在第几行第几列，然后找到它，从他的td标签中添加属性。

例如要合并第4行的，第4和第5列：


<tr>
    <td>第三节</td>
    <td>html</td>
    <td>css</td>
    <td colspan="2">php</td> <!-- 合并 列 的用法-->
    <td>php</td>
  </tr>

2、合并行的用法：

例如下面：合并第3行和第4行的第1列。

完整代码：↓

者：Roman Orac
鱼羊编译整理
量子位报道 | 公众号 QbitAI

数据分析，如何能错过 Pandas 。

现在，数据科学家 Roman Orac 分享了他在工作中相见恨晚的 Pandas 使用技巧。

了解了这些技巧，能让你在学习、使用 Pandas 的时候更加高效。

话不多说，一起学习一下~

Pandas实用技巧

用 Pandas 做数据分析，最大的亮点当属 DataFrame。不过，在展示成果的时候，常常需要把 DataFrame 转成另一种格式。

Pandas 在这一点上其实十分友好，只需添加一行代码。

DataFrame 转 HTML

如果你需要用 HTML 发送自动报告，那么 to_html 函数了解一下。

比如，我们先设定这样一个 DataFrame：

import numpy as np
import pandas as pd
import random

n = 10
df = pd.DataFrame(
    {
        "col1": np.random.random_sample(n),
        "col2": np.random.random_sample(n),
        "col3": [[random.randint(0, 10) for _ in range(random.randint(3, 5))] for _ in range(n)],
    }
)

用上 to_html，就可以将表格转入 html 文件：

df_html = df.to_html()
with open(‘analysis.html’, ‘w’) as f: f.write(df_html)

与之配套的，是 read_html 函数，可以将 HTML 转回 DataFrame。

DataFrame 转 LaTeX

如果你还没用过 LaTeX 写论文，强烈建议尝试一下。

要把 DataFrame 值转成 LaTeX 表格，也是一个函数就搞定了：

df.to_latex()

DataFrame 转 Markdown

如果你想把代码放到 GitHub 上，需要写个 README。

这时候，你可能需要把 DataFrame 转成 Markdown 格式。

Pandas 同样为你考虑到了这一点：

print(df.to_markdown())

注：这里还需要 tabulate 库

DataFrame 转 Excel

说到这里，给同学们提一个小问题：导师/老板/客户要你提供 Excel 格式的数据，你该怎么做？

当然是——

df.to_excel(‘analysis.xlsx’)

需要注意的是，如果你没有安装过 xlwt 和 openpyxl 这两个工具包，需要先安装一下。

另外，跟 HTML 一样，这里也有一个配套函数：read_excel，用来将excel数据导入pandas DataFrame。

DataFrame 转字符串

转成字符串，当然也没问题：

df.to_string()

5个鲜为人知的Pandas技巧

此前，Roman Orac 还曾分享过 5 个他觉得十分好用，但大家可能没有那么熟悉的 Pandas 技巧。

1、data_range

从外部 API 或数据库获取数据时，需要多次指定时间范围。

Pandas 的 data_range 覆盖了这一需求。

import pandas as pd
date_from = “2019-01-01”
date_to = “2019-01-12”
date_range = pd.date_range(date_from, date_to, freq=”D”)
print(date_range)

freq = “D”/“M”/“Y”，该函数就会分别返回按天、月、年递增的日期。

2、合并数据

当你有一个名为left的DataFrame：

和名为right的DataFrame：

想通过关键字“key”把它们整合到一起：

实现的代码是：

df_merge = left.merge(right, on = ‘key’, how = ‘left’, indicator = True)

3、最近合并（Nearest merge）

在处理股票或者加密货币这样的财务数据时，价格会随着实际交易变化。

针对这样的数据，Pandas提供了一个好用的功能，merge_asof。

该功能可以通过最近的key（比如时间戳）合并DataFrame。

举个例子，你有一个存储报价信息的DataFrame。

还有一个存储交易信息的DataFrame。

现在，你需要把两个DataFrame中对应的信息合并起来。

最新报价和交易之间可能有10毫秒的延迟，或者没有报价，在进行合并时，就可以用上 merge_asof。

pd.merge_asof(trades, quotes, on=”timestamp”, by=’ticker’, tolerance=pd.Timedelta(‘10ms’), direction=‘backward’)

4、创建Excel报告

在Pandas中，可以直接用DataFrame创建Excel报告。

import numpy as np
import pandas as pd

df = pd.DataFrame(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]), columns=["a", "b", "c"])

report_name = 'example_report.xlsx'
sheet_name = 'Sheet1'
writer = pd.ExcelWriter(report_name, engine='xlsxwriter')
df.to_excel(writer, sheet_name=sheet_name, index=False)

不只是数据，还可以添加图表。

# define the workbook
workbook = writer.book
worksheet = writer.sheets[sheet_name]
# create a chart line object
chart = workbook.add_chart({'type': 'line'})
# configure the series of the chart from the spreadsheet
# using a list of values instead of category/value formulas:
#     [sheetname, first_row, first_col, last_row, last_col]
chart.add_series({
    'categories': [sheet_name, 1, 0, 3, 0],
    'values':     [sheet_name, 1, 1, 3, 1],
})
# configure the chart axes
chart.set_x_axis({'name': 'Index', 'position_axis': 'on_tick'})
chart.set_y_axis({'name': 'Value', 'major_gridlines': {'visible': False}})
# place the chart on the worksheet
worksheet.insert_chart('E2', chart)
# output the excel file
writer.save()

注：这里需要 XlsxWriter 库

5、节省磁盘空间

Pandas在保存数据集时，可以对其进行压缩，其后以压缩格式进行读取。

先搞一个 300MB 的 DataFrame，把它存成 csv。

df = pd.DataFrame(pd.np.random.randn(50000,300))
df.to_csv(‘random_data.csv’, index=False)

压缩一下试试：

df.to_csv(‘random_data.gz’, compression=’gzip’, index=False)

文件就变成了136MB。

gzip压缩文件可以直接读取：

df = pd.read_csv(‘random_data.gz’)

这一份Pandas技巧笔记，暂且说到这里。各位同学都做好笔记了吗？

Talk is cheap, show me the code。学会了，就用起来吧

— 完 —

量子位 QbitAI · 头条号签约

关注我们，第一时间获知前沿科技动态

天我们说下HTML的表格结构标签，包含<thead></thead>、<tbody></tbody>等。

<thead></thead> 用于定义表格的头部，<thead>内部必须包含<tr>标签，一般是位于第一行。头部区域
<tbody></tbody>用于定义表格的主体，主要用于放数据本体。主题区域。
以上两个标签都是放在<table></table>标签中

先看下效果:

然后看下代码:

<!DOCTYPE html>

<head>

<title>Document</title>

</head>

<body>

<thead>

<tr>

</tr>

</thead>

<tbody>

<tr>

</tr>

<tr>

</tr>

<tr>

</tr>

</tbody>

</table>

</body>

</html>

在<body>中，我们看到层次分明的三个部分

首先是页面整体配置:

然后是head部分

接下来是tbody部分

接下来说下合并单元格

特殊情况下，可以把多个单元格合并为一个单元格，只需要了解简单合并单元格就可以了。

合并单元格方式：跨行合并:rowspan="合并单元格的个数"跨列合并:colspam="合并单元格的个数"
目标单元格
合并单元格的步骤
跨行合并跨列合并

综上显示:

目标单元格:

跨行:最上侧单元格为目标单元格，写合并代码

跨列:最左侧单元格为目标单元格，写合并代码

首先，需要先确定是跨行还是跨列合并

其次，找到目标单元格，写上合并方式=合并的单元格数量，比如 <td colspan="2"></td>

最后，删除多余的单元格

先创建一个3x3的单元格，代码如下:

对应代码:

<!DOCTYPE html>

<head>

<title>Document</title>

</head>

<h1>今天我们学习合并单元格</h1>

<body>

<h3>首先，我们先创建一个3x3的单元格</h3>

<thead>

<tr>

</tr>

</thead>

<tbody>

<tr>

</tr>

<tr>

</tr>

</tbody>

</table>

</body>

</html>

按照上面的代码试了一下，发现不行，重新写了测试代码

先看样式:

然后进行单元格合并:

为啥我的是这样呢，是准备合并第一行的第二列和第三列数据

先看下代码:

<!DOCTYPE html>

<head>

<title>Document</title>

</head>

<body>

<tr>

>

</tr>

<tr>

</tr>

<tr>

</tr>

</table>

</body>

</html>

发现是还没有删除第三行的代码，格子给挤出去了。现在看就好了

我们看下全部代码:

<!DOCTYPE html>

<head>

<title>Document</title>

</head>

<body>

<tr>

>

</tr>

<tr>

</tr>

<tr>

</tr>

</table>

</body>

</html>

好的，今天就先到这里，大家下周再见

在线咨询

上一篇：使用 Vanilla JavaScript 框架创建一个简单的天气应用
下一篇：HTML+CSS实现左右两边显示，左侧显示多组数据，右侧显示一组数据

您的项目需求

*请认真填写需求信息，我们会在24小时内与您取得联系。

整合营销服务商

html开发笔记20-合并单元格-列和行

、什么是合并单元格？

二、怎么合并？

三、两个属性的用法

Pandas实用技巧

5个鲜为人知的Pandas技巧

您的项目需求