盘点4种使用Python批量合并同一文件夹内所有子文件夹下的Excel文件内所有Sheet数据

Python之王

共 5980字,需浏览 12分钟

 · 2021-11-20




    上面链接对应的方法进行合并,发现只能够合并Sheet,其他的就合并不了,这确实是个问题。

    诚然,一个一个打开复制粘贴固然可行,但是该方法费时费力,还容易出错,几个文件还可以手动处理,要是几十个甚至上百个,你就抓瞎了,不过这问题对Python来说,so easy,一起来看看吧!


二、项目目标

    用Python实现多Excel、多Sheet的合并处理,针对现实中的切确需求,使用Python批量合并同一文件夹内所有子文件夹下的Excel文件内所有Sheet数据,这个需求在现实生活中还是挺常见的,所有比较实用。


三、项目准备

软件:PyCharm

需要的库:pandas,os,glob


四、项目分析

1)如何选择要合并的Excel文件?

利用os和glob,获取所有要合并的Excel文件。

2)如何选择要合并的Sheet?

利用pandas库进行Excel读取,获取要合并的Sheet名。

3)如何合并?

利用pandas库,对所有Sheet名逐一循环打开,通过concat()函数进行数据追加合并即可。

4)如何保存文件?

利用to_excel保存数据,得到最终合并后的目标文件。


五、项目实现

    这里提供4种方法给大家,一个比一个简洁,其中后面三个方法都是来自【小小明大佬】提供的,确实太强了。


1、方法一

    这个方法是来自【王宁】大佬的分享,代码确实有点多,不过也是手把手教程,非常详细,也有注释,详情可以戳这篇文章:文科生自学Python-批量汇总同一路径内所有Excel文件内所有Sheet数据-基础知识1.41,代码如下。

# -*- coding: utf-8 -*-import pandas as pdimport datetimeimport os

# define a starting point of timestart = datetime.datetime.now()

def Set_Work_Path(x): try: os.chdir(x) route = os.getcwd() print(route) return route except Exception: print("No Result")

work_path = r"E:\\PythonCrawler\\python_crawler-master\\MergeExcelSheet\\file\\"Set_Work_Path(work_path)

# define a function to get all the xlsx file names after deleting old file if there.def Get_Dedicated_4Letter_File_List(x): path = os.getcwd() old_name = path + os.sep + "汇总数据" + ".xlsx" # dim a txt name if os.path.exists(old_name): os.remove(old_name) files = os.listdir(path) # print(files) #check all files name in the path current_list = [] for i in range(0, len(files), 1): try: if files[i][-4:] == x and files[i][:4] != "汇总数据": current_list.append(files[i]) except Exception: pass return current_list

Current_Excel_list = Get_Dedicated_4Letter_File_List("xlsx")print(Current_Excel_list)

# define a function to read all sheets one by one in excel filedef Get_All_Sheets_Excel(x): file = pd.ExcelFile(x) list_sht_name = file.sheet_names # get list of sheets' names print(list_sht_name) list_sht_data = [] # get all sheet data sets into a list for i in range(0, len(list_sht_name), 1): list_sht_data.append(pd.read_excel(x, header=0, sheet_name=list_sht_name[i], index_col=None)) # merge all data sets together df = pd.concat(list_sht_data) # delete blank data df.dropna(axis=0, how="all", inplace=True) print(df) return df

# define a list to get all data from sheets from different excel filesdata_list = []for i in range(0, len(Current_Excel_list), 1): # print(Current_Excel_list[i]) data_list.append(Get_All_Sheets_Excel(Current_Excel_list[i]))data = pd.concat(data_list)data.dropna(axis=0, how="all", inplace=True)print(data)
# save the data into excel filewriter = pd.ExcelWriter("王宁大佬的汇总数据.xlsx")data.to_excel(writer, encoding="utf_8_sig", sheet_name="DATA", index=False)# get the target pivot datasetswriter.save()
end = datetime.datetime.now()run_time = round((end-start).total_seconds()/60, 2)show = "程序运行消耗时间为: %s 分钟" % run_time+",搞定!"print(show)

    上面这个代码对原始数据要求比较苛刻,前提条件:所有数据都是规范的数据源且字段名和数据结构是一样的。这样看来,还是有些受限的。不过不要慌,接下来【小小明大佬】的这三个方法,就没有这个限制,下面一起来看看吧!


2、方法二

    下面这个代码是基于【小小明大佬】提供的单Sheet表合并代码改进所得到的,关键点在于将sheet_name=None这个参数带上,代表获取Excel文件中的所有sheet表,其返回的是一个字典,所有在后面遍历的时候,是以字典的形式进行取值的,之后在15行的地方,需要注意使用的是extend()方法进行追加,如果使用append()方法,得到的就只有最后一个表格的合并结果,这个坑小编亲自踩过,感兴趣的小伙伴也可以踩下坑。

# -*- coding: utf-8 -*-import osimport pandas as pdresult = []path = r"E:\\PythonCrawler\\python_crawler-master\\MergeExcelSheet\\testfile\\file"for root, dirs, files in os.walk(path, topdown=False):    for name in files:        if name.endswith(".xls") or name.endswith(".xlsx"):            df = pd.read_excel(os.path.join(root, name), sheet_name=None)            result.append(df)
data_list = []for data in result: # print(data.values()) data_list.extend(data.values()) # 注意这里是extend()函数而不是append()函数
df = pd.concat(data_list)df.to_excel("testfile所有表合并.xlsx", index=False)print("合并完成!")


3、方法三

    下面这个代码是【小小明大佬】手撸的一个代码,使用了列表append()方法,效率虽说会低一些,但是处理上百上千个文件,仍然不在话下。

    需要注意的是代码中的第6行和第7行,获取文件路径,其中**代表的是文件夹下的子文件递归。另外就是.xls*了,这个是正则写法,表示的是既可以处理xls格式,也可以处理xlsx格式的Excel文件,真是妙哉!

# -*- coding: utf-8 -*-import globimport pandas as pdpath = "E:\\PythonCrawler\\python_crawler-master\\MergeExcelSheet\\file\\"data = []for excel_file in glob.glob(f'{path}/**/[!~]*.xls*'):# for excel_file in glob.glob(f'{path}/[!~]*.xlsx'):    excel = pd.ExcelFile(excel_file)    for sheet_name in excel.sheet_names:        df = excel.parse(sheet_name)        data.append(df)# print(data)
df = pd.concat(data, ignore_index=True)df.to_excel("小小明提供的代码(合并多表)--glob和pandas库列表append方法--所有表合并.xlsx", index=False)print("合并完成!")


4、方法四

    下面这个代码是【小小明大佬】手撸的另外一个代码,使用了sheet_name=None和列表extend()方法,将sheet_name=None这个参数带上,代表获取Excel文件中的所有sheet表,其返回的是一个字典,所有在后面遍历的时候,是以字典的形式进行取值的,效率比前面的方法都要高一些。

    需要注意的是代码中的第6行和第7行,获取文件路径,其中**代表的是文件夹下的子文件递归。另外就是.xls*了,这个是正则写法,表示的是既可以处理xls格式,也可以处理xlsx格式的Excel文件,真是妙哉!

# -*- coding: utf-8 -*-import globimport pandas as pdpath = r"E:\PythonCrawler\python_crawler-master\MergeExcelSheet\file"data = []# for excel_file in glob.glob(f'{path}/**/[!~]*.xlsx'):for excel_file in glob.glob(f'{path}/[!~]*.xlsx'):    dfs = pd.read_excel(excel_file, sheet_name=None).values()    data.extend(dfs)# print(data)
df = pd.concat(data, ignore_index=True)df.to_excel("小小明提供的代码(合并多表)--glob和pandas库列表extend方法--简洁--所有表合并.xlsx", index=False)print("合并完成!")


六、效果展示

1、处理前Excel数据:

2、运行进度提示:

3、合并后的结果:


七、总结

    本文从实际工作出发,基于Python编程,介绍了4种方法,实现批量合并同一文件夹内所有子文件夹下的Excel文件内所有Sheet数据,为大家减少了很多复制粘贴的麻烦,省时省力,还不容易出错。代码不多,循环追加有点绕,想想也就明白了,不懂的随时留言提问,大家一起学习进步。

    有想法的小伙伴还可以将文章中的代码进行打包,做成一个exe可执行的小软件,包装好发给别人使用,也可以赚点小费噢,关于打包的教程这里不再赘述,欢迎前往:三个你必须要记住的Pyinstaller打包命令——利用Python实现打包exe

   




Python“宝藏级”公众号【Python之王】专注于Python领域,会爬虫,数分,C++,tensorflow和Pytorch等等

近 2年共原创 100+ 篇技术文章。创作的精品文章系列有:

日常收集整理了一批不错的 Python 学习资料,有需要的小伙可以自行免费领取。

获取方式如下:公众号回复资料领取Python等系列笔记,项目,书籍,直接套上模板就可以用了。资料包含算法、python、算法小抄、力扣刷题手册和 C++ 等学习资料!

浏览 16
点赞
评论
收藏
分享

手机扫一扫分享

举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

举报