python多表合并、多工作簿合并、一表案列拆分为多表

一、相关知识点回顾

• 本文所需要的数据，可以去如下链接中下载。该链接好像不能直接在csdn中打开，你可以复制粘贴到浏览器中打开。
  http://note.youdao.com/noteshare?id=97d43c014d97a1e6fb167145152e31fc&sub=AEE8D7188AD34D4D85A7D59CB06727E8

1、需要使用的相关库

import numpy as np
import pandas as pd
import os
import xlsxwriter
import xlrd 

• 1
• 2
• 3
• 4
• 5

2、os.walk(pwd)：传入一个文件路径pwd。

1）作用如下

2）案例演示：以我电脑中“G:\a”文件夹下的文件为例，进行说明。
① 先来看看“G:\a”文件夹下有哪些东西。

② 代码实现

pwd = "G:\\a"
print(os.walk(pwd))
for i in os.walk(pwd):
    print(i)
for path,dirs,files in os.walk(pwd):
    print(files)```

• 1
• 2
• 3
• 4
• 5
• 6

结果如下：

<generator object walk at 0x0000029BB5AEAB88>
('G:\\a', [], ['aa.txt', 'bb.xlsx', 'cc.txt', 'dd.docx'])
['aa.txt', 'bb.xlsx', 'cc.txt', 'dd.docx']

• 1
• 2
• 3

结果分析：
首先，我们使用print直接打印os.walk(pwd)的结果，显示的是一个生成器generator，我们并不能查看到其中的内容，而是需要遍历获取其中的内容。
接着，我们写了一个for循环，并使用了一个变量，接收os.walk(pwd)的返回值，可以看到返回的结果是一个元组。在这个元组中，第一个元素返回的是传入的pwd路径；第二个元素，返回的是a目录下的子目录文件夹组成的列表，由于在a目录下没有其它的子文件夹，因此返回的是一个空列表；第三个元素，返回的是a目录下的子文件组成的列表。
最后，我们使用三个变量，分别接收os.walk(pwd)的返回值，并且只打印输出了files这个变量，可以看到，这是一个由a目录下所有子文件组成的列表。
注意一：上述所说的a目录下的子目录，指的是a目录下的直接子目录，不包括a子目录下的子目录。
注意二：上述所说的a目录下的子文件，指的是a目录下的直接子文件，不包括a子目录下的子文件。

3、os.path.join(path1,path2…)

1）作用如下：用于将多个路径组合后返回。
2）案例演示

path1 = 'G:\\a'
path2 = 'aa.txt'
print(os.path.join(path1,path2))

• 1
• 2
• 3

结果如下：

G:\a\aa.txt

• 1

结果分析
从上述结果中可以看出：利用os.path.join(path1,path2)，是不是可以帮助我们获取到aa.txt的全路径。利用这种思想，假如某个目录下有多个excel，我们是不是可以结合使用os.walk和os.path.join，来得到每一个excel文件的全路径，之后依据这个全路径对excel进行操作，是不是显得很方便。

4、os.walk和os.path.join使用的综合案例

1）需求如下

2）实现如下

file_path_list = []
for path,dirs,files in os.walk(pwd):
    for file in files:
        file_path_list.append(os.path.join(path,file))
print(file_path_list)

• 1
• 2
• 3
• 4
• 5

结果如下：

[


    
'G:\\a\\aa.txt','G:\\a\\bb.xlsx','G:\\a\\cc.txt','G:\\a\\dd.docx']

• 1

5、如何将多个Dataframe进行纵向拼接？

1）创建两个dataframe数据框xx和yy。

import numpy as np
xx = np.arange(15).reshape(5,3)
yy = np.arange(1,16).reshape(5,3)
xx = pd.DataFrame(xx,columns=["语文","数学","外语"])
yy = pd.DataFrame(yy,columns=["语文","数学","外语"])
print(xx)
print(yy)

• 1
• 2
• 3
• 4
• 5
• 6
• 7

效果如下：

2）将上述两个dataframe进行横纵向拼接。

concat_list = []
concat_list.append(xx)
concat_list.append(yy)
z = pd.concat(concat_list,ignore_list=True)
print(z)
# pd.concat(list)中【默认axis=0】默认的是数据的纵向合并。
# pd.concat(list)括号中传入的是一个列表。
# ignore_list=True表示忽略原有索引，重新生成一组新的索引。
# 或者直接可以写成z = pd.concat([xx,yy],ignore_list=True)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9

效果如下：

二、多工作簿合并（一）

1、将多个Excel合并到一个Excel中（每个Excel中只有一个sheet表）

实现代码如下：

import pandas as pd
import os
pwd = "G:\\b"
df_list = []
for path,dirs,files in os.walk(pwd):
    for file in files:
        file_path = os.path.join(path,file)                        
        df = pd.read_excel(file_path) 
        df_list.append(df)
result = pd.concat(df_list)
print(result)
result.to_excel('G:\\b\\result.xlsx',index=False)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12

结果如下：

三、多工作簿合并（二）

1、xlsxwrite的用法讲解

1）创建一个"工作簿"。

import xlsxwriter
# 这一步相当于创建了一个新的"工作簿"；
# "demo.xlsx"文件不存在，表示新建"工作簿"；
# "demo.xlsx"文件存在，表示新建"工作簿"覆盖原有的"工作簿"；
workbook = xlsxwriter.Workbook("demo.xlsx")
# close是将"工作簿"保存关闭，这一步必须有。否则创建的文件无法显示出来。
workbook.


    
close() 

• 1
• 2
• 3
• 4
• 5
• 6
• 7

2）创建一个"工作簿"，并给工作表命名为"2018年销量"。

import xlsxwriter
workbook = xlsxwriter.Workbook("cc.xlsx")
worksheet = workbook.add_worksheet("2018年销售量")
workbook.close()   

• 1
• 2
• 3
• 4

效果如下：

3）在第二步的基础上，给"2018年销售量"工作表添加一个表头，并向其中插入一条数据。

import xlsxwriter
# 创建一个名为【demo.xlsx】工作簿；
workbook = xlsxwriter.Workbook("demo.xlsx")
# 创建一个名为【2018年销售量】工作表；
worksheet = workbook.add_worksheet("2018年销售量")
# 使用write_row方法，为【2018年销售量】工作表，添加一个表头；
headings = ['产品','销量',"单价"] 
worksheet.write_row('A1',headings)
# 使用write方法，在【2018年销售量】工作表中插入一条数据；
# write语法格式：worksheet.write(行,列,数据) 
data = ["苹果",500,8.9]
for i in range(len(headings)):
    worksheet.write(1,i,data[i]) 
workbook.close()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14

效果如下：

2、xlrd的用法讲解

1）利用test.xlsx工作簿讲解xlrd的使用原理

上述图展示的是一个工作簿test.xlsx下面，有两张sheet表。一张sheet表，命名为“2018年销售量”，一张sheet表，命名为“2019年销售量”。

2）open_workbook(file)：使用该方法帮助我们打开一个excel文件，返回给我们"xlrd.book.Book"工作簿对象；

# 这里所说的"打开"并不是实际意义上的打开，只是将该表加载到内存中打开。我们并看不到"打开的这个效果"
# 以打开上述创建的"test.xlsx"文件为例；
import xlrd 
file = r"G:\Jupyter\test.xlsx"
xlrd.open_workbook(file)
# 结果如下：
<xlrd.book.Book at 0x29bb8e4eda0>

• 1
• 2
• 3
• 4
• 5
• 6
• 7

3）sheet_names()：获取某个工作簿下，所有sheet表的表名。假如有多个sheet表，返回表名组成的一个列表；

import xlrd
file = r"G:\Jupyter\test.xlsx"
fh = xlrd.open_workbook(file)
fh.sheet_names()
# 结果如下：
['2018年销售量', '2019年销售量']

• 1
• 2
• 3
• 4
• 5
• 6

4）sheets()方法：返回的是sheet表的对象列表。

import xlrd
file = r"G:\Jupyter\test.xlsx"
fh = xlrd.open_workbook(file)
fh.sheets()
# 结果如下：
[<xlrd.sheet.Sheet at 0x29bb8f07a90>, <xlrd.sheet.Sheet at 0x29bb8ef1390>]

# 可以利用索引，获取每一个sheet表的对象
fh.


    
sheets()[0]
<xlrd.sheet.Sheet at 0x29bb8f07a90>
fh.sheets()[1]
<xlrd.sheet.Sheet at 0x29bb8ef1390>

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12

5）nrows和ncols属性：返回每一个sheet表的行数(nrows) 和 列数(ncols)；

import xlrd
file = r"G:\Jupyter\test.xlsx"
fh = xlrd.open_workbook(file)
fh.sheets()
fh.sheets()[0].nrows  # 结果是：4
fh.sheets()[0].ncols  # 结果是：3
fh.sheets()[1].nrows  # 结果是：4
fh.sheets()[1].ncols  # 结果是：3

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8

6）row_values(行数)：传入行数，获取sheet表中该行的数据； （这个用处很大）

import xlrd
file = r"G:\Jupyter\test.xlsx"
fh = xlrd.open_workbook(file)
sheet1 = fh.sheets()[0]
for row in range(fh.sheets()[0].nrows):
   value = sheet1.row_values(row)
   print(value)

• 1
• 2
• 3
• 4
• 5
• 6
• 7

效果如下：

7）col_values(列数)：传入列数，获取sheet表中该列的数据； （这个用处不大）

import xlrd
file = r"G:\Jupyter\test.xlsx"
fh = xlrd.open_workbook(file)
sheet1 = fh.sheets()[0]
for col in range(fh.sheets()[0].ncols):
   value = sheet1.col_values(col)
   print(value)

• 1
• 2
• 3
• 4
• 5
• 6
• 7

效果如下：

3、将多个Excel表合并到一个Excel中（每个Excel中不只一个sheet表）

1）源数据

上述图展示的有两个工作簿，一个工作簿是pp.xlsx，一个工作簿是qq.xlsx。
工作簿pp.xlsx下，有两个工作表sheet1和sheet2。工作簿qq.xlsx下，也有两个工作表sheet1和sheet2。

2）使用面向过程实现上述表中数据合并

import xlrd
import xlsxwriter
import os

# 打开一个Excel文件，创建一个工作簿对象
def open_xlsx(file):
    fh=xlrd.open_workbook(


    
file)
    return fh
    
# 获取sheet表的个数
def get_sheet_num(fh):
    x = len(fh.sheets())
    return x

# 读取文件内容并返回行内容
def get_file_content(file,shnum):
    fh=open_xlsx(file)
    table=fh.sheets()[shnum]
    num=table.nrows
    for row in range(num):
        rdata=table.row_values(row)
        datavalue.append(rdata)
    return datavalue

def get_allxls(pwd):
    allxls = []
    for path,dirs,files in os.walk(pwd):
        for file in files:
            allxls.append(os.path.join(path,file))
    return allxls

# 存储所有读取的结果
datavalue = []  
pwd = "G:\\d"                          
for fl in get_allxls(pwd):
    fh = open_xlsx(fl)     
    x = get_sheet_num(fh)  
    for shnum in range(x):
        print("正在读取文件："+str(fl)+"的第"+str(shnum)+"个sheet表的内容...")
        rvalue = get_file_content(fl,shnum)   

# 定义最终合并后生成的新文件
endfile = "G:\\d\\concat.xlsx"
wb1=xlsxwriter.Workbook(endfile)
# 创建一个sheet工作对象
ws=wb1.add_worksheet()
for a in range(len(rvalue)):
    for b in range(len(rvalue[a])):
        c=rvalue[a][b]
        ws.write(a,b,c)
wb1.close()
print("文件合并完成")

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48
• 49
• 50
• 51
• 52

3）将上述代码封装后的效果如下

import xlrd
import xlsxwriter
import os

class Xlrd():
    def __init__(self,pwd):
        self.datavalue = [] 
        self.pwd = pwd 
    
    # 打开一个Excel文件，创建一个工作簿对象；
    def open_xlsx(self,fl):
        fh=xlrd.open_workbook(fl)
        return fh

    # 获取sheet表的个数；
    def get_sheet_num(self,fh):
        x = len(fh.sheets())
        return x

    # 读取不同工作簿中每一个sheet中的内容，并返回每行内容组成的列表；
    def get_file_content(self,file,shnum):
        fh = self.open_xlsx(file)
        table=fh.sheets()[shnum]
        num=table.nrows
        for row in range(num):
            rdata=table.row_values(row)
            # 因为每一个sheet表都有一个表头；
            # 这里的判断语句，把这个表头去除掉；
            # 然后在最后写入数据的，添加上一个表头，即可；
            if rdata == ['姓名','性别','年龄','家庭住址']:
                pass
            else:
                self.datavalue.append(rdata)
        return self.datavalue
              
    # 获取xlsx文件的全路径；
    def get_allxls(self):
        allxls = []
        for path,dirs,files in os.walk(self.pwd):
            for file in files:
                allxls.append(os.path.join(path,file))
        return allxls
        
    # 返回不同工作簿中，所有的sheet表的内容列表；
    def return_rvalue(self):
        for fl in self.get_allxls():
            fh = self.open_xlsx(fl)     
            x = self.get_sheet_num(fh)  
            for shnum in range(x):
                print("正在读取文件："+str(fl)+"的第"+str(shnum)+"个sheet表的内容...")
                rvalue = self.get_file_content(fl,shnum)  
        return rvalue
    
class Xlsxwriter():
    def __init__(self,endfile,rvalue):
        self.endfile = endfile
        self.rvalue = rvalue
    
    def save_data(self):
        wb1 = xlsxwriter.Workbook(endfile)
        # 创建一个sheet工作对象；
        ws = wb1.add_worksheet("一年级(7)班")
        # 给文件添加表头；


    

        ws = wb1.add_worksheet("2018年销售量")
        headings = ['姓名','性别','年龄','家庭住址'] 
        for a in range(len(self.rvalue)):
            for b in range(len(self.rvalue[a])):
                c = self.rvalue[a][b]
                # 因为给文件添加了表头，因此，数据从下一行开始写入；
                ws.write(a+1,b,c)
        wb1.close()
        print("文件合并完成")   
    
pwd = "G:\\d"
xl = Xlrd(pwd)
rvalue = xl.return_rvalue()
endfile = "G:\\d\\concat.xlsx"
write = Xlsxwriter(endfile,rvalue)
write.save_data()；

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48
• 49
• 50
• 51
• 52
• 53
• 54
• 55
• 56
• 57
• 58
• 59
• 60
• 61
• 62
• 63
• 64
• 65
• 66
• 67
• 68
• 69
• 70
• 71
• 72
• 73
• 74
• 75
• 76
• 77
• 78
• 79

效果如下：

四、一个工作簿多sheet表合并。

1、将一个Excel表中的多个sheet表合并，并保存到同一个excel。

1）数据源

2）实现代码如下

import xlrd
import pandas as pd
from pandas import DataFrame
from openpyxl import load_workbook

excel_name = r"D:\pp.xlsx"
wb = xlrd.open_workbook(excel_name)
sheets = wb.sheet_names()

alldata = DataFrame()
for i in range(len(sheets)):
    df = pd.read_excel(excel_name, sheet_name=i, index=False, encoding='utf8')
    alldata = alldata.append(df)       

writer = pd.ExcelWriter(r"C:\Users\Administrator\Desktop\score.xlsx",


    
engine='openpyxl')
book = load_workbook(writer.path)
writer.book = book  
# 必须要有上面这两行，假如没有这两行，则会删去其余的sheet表，只保留最终合并的sheet表

alldata.to_excel(excel_writer=writer,sheet_name="ALLDATA")
writer.save()
writer.close()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22

效果如下：

五、一表拆分(按照表中某一列进行拆分)

1、将一个Excel表，按某一列拆分成多张表。

1）数据源

2）实现代码如下

import pandas as pd
import xlsxwriter
data=pd.read_excel(r"C:\Users\Administrator\Desktop\chaifen.xlsx",encoding='gbk')

area_list=list(set(data['店铺']))

writer=pd.ExcelWriter(r"C:\Users\Administrator\Desktop\拆好的表1.xlsx",engine='xlsxwriter')
data.to_excel(writer,sheet_name="总表",index=False)

for j in area_list:
    df=data[data['店铺']==j]
    df.to_excel(writer,sheet_name=j,index=False)

writer.save()  #一定要加上这句代码，“拆好的表”才会显示出来

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14

效果如下：