当前位置： 首页 > article >正文

Python中Excel文件的批量合并和拆分

article 2024/11/17 11:40:25

Python中Excel文件的批量合并和拆分

在Python中处理Excel文件的批量合并和拆分任务，通常涉及使用pandas、openpyxl和pathlib等库。以下是详细的说明，包括如何安装这些库，主要功能，API的具体用法，以及高级用法和示例。

1. 库概述

1.1 pandas

  • 主要功能：数据处理和分析，支持读取、合并、拆分Excel文件。
  • 适用场景：数据分析、批量处理、文件合并和拆分。

1.2 openpyxl

  • 主要功能：处理.xlsx文件，支持读取、修改、格式化和写入。
  • 适用场景：对Excel文件进行高级操作，如格式化和复杂的写入操作。

1.3 pathlib

  • 主要功能：操作文件系统路径，提供更高级的路径操作功能。
  • 适用场景：处理文件路径、批量文件操作。

2. 库的安装

安装pandas和openpyxl：

pip install pandas openpyxl

pathlib是Python标准库的一部分，不需要额外安装。

3. pathlib库详解

pathlib提供了面向对象的文件和路径操作功能。以下是主要类及其使用方法。

3.1 Path类

Path类是pathlib的核心类，表示文件系统中的路径。

3.1.1 构造函数
from pathlib import Path

# 创建路径对象
p = Path('data')
3.1.2 常用方法

  • resolve()：返回路径的绝对路径。

    abs_path = p.resolve()
print(abs_path)

  • exists()：检查路径是否存在。

    exists = p.exists()
print(exists)

  • is_file()：检查路径是否为文件。

    is_file = p.is_file()
print(is_file)

  • is_dir()：检查路径是否为目录。

    is_dir = p.is_dir()
print(is_dir)

  • mkdir(parents=False, exist_ok=False)：创建目录。

    p.mkdir(parents=True, exist_ok=True)  # 创建目录及其父目录

  • rmdir()：删除目录（目录必须为空）。

    p.rmdir()  # 删除目录

  • glob(pattern)：按模式匹配路径。

    for file in p.glob('*.xlsx'):
    print(file)

  • match(pattern)：检查路径是否符合模式。

    if p.match('*.xlsx'):
    print("This is an Excel file")

  • iterdir()：列出目录中的所有文件和子目录。

    for item in p.iterdir():
    print(item)

  • joinpath(*args)：拼接路径。

    new_path = p.joinpath('subdir', 'file.xlsx')
print(new_path)

3.2 PurePath类

PurePath类提供了路径操作功能，但不涉及实际的文件系统操作。它是一个抽象类，不能直接用于文件操作。PurePath用于在不访问文件系统的情况下处理路径字符串。

3.2.1 主要子类
  • PurePath：基本的纯路径操作类。
  • PurePosixPath：POSIX系统（如Linux和macOS）的路径操作类。
  • PureWindowsPath：Windows系统的路径操作类。
3.2.2 示例
from pathlib import PurePath

# 创建PurePath对象
p = PurePath('data', 'file.xlsx')

print(p.parts)   # ('data', 'file.xlsx')
print(p.name)    # 'file.xlsx'
print(p.suffix)  # '.xlsx'

3.3 Path和PurePath的区别和联系

  • Path：用于实际的文件系统操作，支持文件和目录的创建、删除、移动、查找等操作。Path类在POSIX和Windows系统中有不同的实现，分别是PosixPath和WindowsPath。

  • PurePath：仅用于路径的字符串操作，不涉及实际的文件系统操作。它提供了一些基本的路径操作功能，如拼接路径、分离路径组件等。PurePath的子类PurePosixPath和PureWindowsPath分别用于POSIX和Windows系统的路径字符串操作。

示例对比：

from pathlib import Path, PurePath

# Path示例
p1 = Path('data', 'file.xlsx')
print(p1.resolve())   # 获取绝对路径
print(p1.exists())    # 检查路径是否存在

# PurePath示例
p2 = PurePath('data', 'file.xlsx')
print(p2.parts)       # ('data', 'file.xlsx')
print(p2.name)        # 'file.xlsx'

4. 批量合并Excel文件

4.1 使用pandas批量合并Excel文件

示例

假设有多个Excel文件：file1.xlsx、file2.xlsx、file3.xlsx，每个文件都包含相同结构的数据，我们要将它们合并为一个文件。

import pandas as pd
from pathlib import Path

# 获取所有Excel文件的路径
file_paths = Path('data').glob('*.xlsx')

# 读取并合并所有Excel文件
data_frames = [pd.read_excel(file, engine='openpyxl') for file in file_paths]
combined_df = pd.concat(data_frames, ignore_index=True)

# 保存合并后的DataFrame到一个新的Excel文件
combined_df.to_excel('combined.xlsx', index=False)

4.2 使用openpyxl进行合并

示例

如果需要对合并过程中的格式进行控制，可以使用openpyxl。

from openpyxl import Workbook
from openpyxl.utils.dataframe import dataframe_to_rows
from pathlib import Path
import pandas as pd

# 创建一个新的工作簿
wb = Workbook()
ws = wb.active
ws.title = "Combined Data"

# 获取所有Excel文件的路径
file_paths = Path('data').glob('*.xlsx')

# 读取并合并所有Excel文件
for file in file_paths:
    df = pd.read_excel(file, engine='openpyxl')
    
    # 将DataFrame中的数据添加到工作表中
    for row in dataframe_to_rows(df, index=False, header=True):
        ws.append(row)

# 保存合并后的工作簿
wb.save('combined_openpyxl.xlsx')

5. 批量拆分Excel文件

5.1 使用pandas批量拆分Excel文件

示例

将一个大Excel文件large_file.xlsx拆分为每个包含200行数据的小文件。

import pandas as pd

# 读取大Excel文件
df = pd.read_excel('large_file.xlsx', engine='openpyxl')

# 拆分数据
chunk_size = 200
num_chunks = (len(df) + chunk_size - 1) // chunk_size

for i in range(num_chunks):
    start_row = i * chunk_size
    end_row = min((i + 1) * chunk_size, len(df))
    chunk_df = df.iloc[start_row:end_row]
    
    # 保存拆分后的DataFrame到新的Excel文件
    chunk_df.to_excel(f'chunk_{i + 1}.xlsx', index=False)

5.2 使用openpyxl进行拆分

示例

对拆分后的文件进行格式化，如设置标题行的字体为加粗，并保存每个拆分后的文件。

from openpyxl import Workbook
from openpyxl.utils.dataframe import dataframe_to_rows
from openpyxl.styles import Font
import pandas as pd

# 读取大Excel文件
df = pd.read_excel('large_file.xlsx', engine='openpyxl')

# 拆分数据
chunk_size = 200
num_chunks = (len(df) + chunk_size - 1) // chunk_size

for i in range(num_chunks):
    start_row = i * chunk_size
    end_row = min((i + 1) * chunk_size, len(df))
    chunk_df = df.iloc[start_row:end_row]

    # 创建一个新的工作簿
    wb = Workbook()
    ws = wb.active
    ws.title = "Data"
    
    # 添加数据到工作表
    for row in dataframe_to_rows(chunk_df, index=False, header=True):
        ws.append(row)
    
    # 设置标题行的字体为加粗
    for cell in ws[1]:
        cell.font

 = Font(bold=True)
    
    # 保存拆分后的工作簿
    wb.save(f'chunk_{i + 1}_openpyxl.xlsx')

6. 数据清理和统计计算

6.1 数据清理

在写入Excel文件前进行数据清理，确保数据质量。

示例
import pandas as pd

# 读取数据
df = pd.read_excel('data.xlsx', engine='openpyxl')

# 过滤掉不符合条件的数据
df = df[df['Column'] > 0]

# 保存清理后的DataFrame
df.to_excel('cleaned_data.xlsx', index=False)

6.2 统计计算

在处理数据时，有时需要进行统计计算，如求和、平均值等。

示例
import pandas as pd

# 读取数据
df = pd.read_excel('data.xlsx', engine='openpyxl')

# 计算列的总和
total_sum = df['Column'].sum()
print(f"Total Sum: {total_sum}")

# 计算列的平均值
average_value = df['Column'].mean()
print(f"Average Value: {average_value}")

# 计算列的最大值和最小值
max_value = df['Column'].max()
min_value = df['Column'].min()
print(f"Max Value: {max_value}")
print(f"Min Value: {min_value}")

这些示例展示了如何使用pathlib、pandas和openpyxl来处理Excel文件的批量合并和拆分任务，提供了清晰的步骤和代码示例。希望这些信息对你有帮助！


http://www.kler.cn/a/292185.html

相关文章：

  • Python常用魔术方法 （学习笔记）
  • hive表名重命名、rename重命名
  • JavaScript：浏览器对象模型BOM
  • Zero、Zero-Offload、Zero-Infinity是什么
  • DAY65||Bellman_ford 队列优化算法（又名SPFA）|bellman_ford之判断负权回路|bellman_ford之单源有限最短路
  • 11.13机器学习_线性回归
  • 十、创建卡牌数据类
  • 加密与解密-ida的下载及详细安装过程（附有下载文件）
  • 纹理视图和模型视图画的不同步？
  • jQuery入门（七）jQuery实现按钮分页
  • Ubuntu22.04安装colmap
  • OpenCV：Python计算机视觉库详解
  • Guitar Pro 8.2.1 Build 32+Soundbanks Win/Mac音色库 开心激活版 音乐软件Guitar Pro 8中文破解版
  • 网络安全风险评估技术原理与应用
  • [项目][CMP][SizeAlignMap类设计]详细讲解
  • NLP从零开始------18.文本中阶处理之序列到序列模型（3）
  • maya无法导出fbx
  • JVM为什么要多一步翻译成class文件的理由之一
  • vue3 el-menu 菜单Maximum recursive updates exceeded 报错
  • 2024年高教社杯全国大学生数学建模竞赛E题思路（2024数学建模国赛E题思路）
  • 物联网技术推动灌区智能化管理
  • 网络安全服务基础Windows--第11节-WEB服务与虚拟主机
  • JSON格式化？超简单！
  • 【渗透测试专栏】1.2认证和授权类-越权访问（水平/垂直越权）
  • 记录共通的js方法
  • 六、桥接模式