当前位置： 首页 > article >正文

pandas+openpyxl处理Excel

article 2025/2/7 19:12:35

1. 读取多个 Excel 文件并合并

假设你有一个文件夹，里面包含多个 Excel 文件，你想将这些文件合并成一个 DataFrame。

import pandas as pd
import os
# 文件夹路径
folder_path = 'path/to/your/excel/files'
# 获取文件夹中的所有 Excel 文件
excel_files = [f for f in os.listdir(folder_path) if f.endswith('.xlsx') or f.endswith('.xls')]
# 创建一个空的 DataFrame 来存储所有数据
all_data = pd.DataFrame()
# 逐个读取每个 Excel 文件并将数据追加到 all_data 中
for file in excel_files:
    file_path = os.path.join(folder_path, file)
    df = pd.read_excel(file_path)
    all_data = pd.concat([all_data, df], ignore_index=True)
# 查看合并后的数据
print(all_data.head())
__

2. 批量处理多个 Excel 文件

假设你需要对多个 Excel 文件进行相同的处理（例如，添加一列、过滤数据等）。

import pandas as pd
import os
# 文件夹路径
folder_path = 'path/to/your/excel/files'
output_folder = 'path/to/output/folder'
# 确保输出文件夹存在
os.makedirs(output_folder, exist_ok=True)
# 获取文件夹中的所有 Excel 文件
excel_files = [f for f in os.listdir(folder_path) if f.endswith('.xlsx') or f.endswith('.xls')]
# 处理每个 Excel 文件
for file in excel_files:
    file_path = os.path.join(folder_path, file)
    df = pd.read_excel(file_path)
    # 添加一列
    df['New_Column'] = 'Some Value'
    # 过滤数据
    filtered_df = df[df['Some_Column'] > 100]
    # 保存处理后的数据
    output_file_path = os.path.join(output_folder, file)
    filtered_df.to_excel(output_file_path, index=False)
print("Processing complete.")
__

3. 从多个 Excel 文件中提取特定信息

假设你需要从多个 Excel 文件中提取特定的信息（例如，某个特定单元格的数据）。

import pandas as pd
import os
# 文件夹路径
folder_path = 'path/to/your/excel/files'
# 获取文件夹中的所有 Excel 文件
excel_files = [f for f in os.listdir(folder_path) if f.endswith('.xlsx') or f.endswith('.xls')]
# 存储结果
results = []
# 从每个 Excel 文件中提取特定信息
for file in excel_files:
    file_path = os.path.join(folder_path, file)
    df = pd.read_excel(file_path)
    # 假设我们需要提取第一行第一列的数据
    specific_value = df.iloc[0, 0]
    # 将结果存储在一个列表中
    results.append((file, specific_value))
# 打印结果
for file, value in results:
    print(f"File: {file}, Specific Value: {value}")
__

4. 使用 openpyxl 处理多个 Excel 文件

如果你需要更细粒度地控制 Excel 文件（例如，修改特定单元格、格式化等），可以使用 openpyxl 库。

import openpyxl
import os
# 文件夹路径
folder_path = 'path/to/your/excel/files'
output_folder = 'path/to/output/folder'
# 确保输出文件夹存在
os.makedirs(output_folder, exist_ok=True)
# 获取文件夹中的所有 Excel 文件
excel_files = [f for f in os.listdir(folder_path) if f.endswith('.xlsx') or f.endswith('.xls')]
# 处理每个 Excel 文件
for file in excel_files:
    file_path = os.path.join(folder_path, file)
    workbook = openpyxl.load_workbook(file_path)
    sheet = workbook.active
    # 修改特定单元格
    sheet['A1'] = 'New Value'
    # 保存处理后的文件
    output_file_path = os.path.join(output_folder, file)
    workbook.save(output_file_path)
print("Processing complete.")
__

5. 合并多个 Excel 文件到一个工作簿的不同工作表

假设你有多个 Excel 文件，并希望将它们合并到一个新的 Excel 工作簿中的不同工作表中。

import pandas as pd
import os
# 文件夹路径
folder_path = 'path/to/your/excel/files'
output_file = 'merged_workbook.xlsx'
# 获取文件夹中的所有 Excel 文件
excel_files = [f for f in os.listdir(folder_path) if f.endswith('.xlsx') or f.endswith('.xls')]
# 创建一个新的 ExcelWriter 对象
with pd.ExcelWriter(output_file, engine='openpyxl') as writer:
    # 处理每个 Excel 文件并将数据写入不同的工作表
    for file in excel_files:
        file_path = os.path.join(folder_path, file)
        df = pd.read_excel(file_path)
        # 使用文件名作为工作表名称
        sheet_name = os.path.splitext(file)[0]
        # 写入数据
        df.to_excel(writer, sheet_name=sheet_name, index=False)
print("Merging complete.")
__

6. 批量处理多个 Excel 文件并进行数据清洗

假设你需要对多个 Excel 文件进行数据清洗，例如删除空行、填充缺失值等。

import pandas as pd
import os
# 文件夹路径
folder_path = 'path/to/your/excel/files'
output_folder = 'path/to/output/folder'
# 确保输出文件夹存在
os.makedirs(output_folder, exist_ok=True)
# 获取文件夹中的所有 Excel 文件
excel_files = [f for f in os.listdir(folder_path) if f.endswith('.xlsx') or f.endswith('.xls')]
# 处理每个 Excel 文件
for file in excel_files:
    file_path = os.path.join(folder_path, file)
    df = pd.read_excel(file_path)
    # 删除空行
    df.dropna(how='all', inplace=True)
    # 填充缺失值
    df.fillna(0, inplace=True)
    # 保存处理后的数据
    output_file_path = os.path.join(output_folder, file)
    df.to_excel(output_file_path, index=False)
print("Data cleaning complete.")
__

7. 从多个 Excel 文件中提取特定列并合并

假设你需要从多个 Excel 文件中提取特定列，并将这些列合并成一个新的 DataFrame。

import pandas as pd
import os
# 文件夹路径
folder_path = 'path/to/your/excel/files'
# 获取文件夹中的所有 Excel 文件
excel_files = [f for f in os.listdir(folder_path) if f.endswith('.xlsx') or f.endswith('.xls')]
# 创建一个空的 DataFrame 来存储所有数据
all_data = pd.DataFrame()
# 逐个读取每个 Excel 文件并提取特定列
for file in excel_files:
    file_path = os.path.join(folder_path, file)
    df = pd.read_excel(file_path, usecols=['Column1', 'Column2'])
    # 将提取的数据追加到 all_data 中
    all_data = pd.concat([all_data, df], ignore_index=True)
# 查看合并后的数据
print(all_data.head())
__

8. 批量重命名多个 Excel 文件中的工作表

假设你需要批量重命名多个 Excel 文件中的工作表名称。

import openpyxl
import os
# 文件夹路径
folder_path = 'path/to/your/excel/files'
output_folder = 'path/to/output/folder'
# 确保输出文件夹存在
os.makedirs(output_folder, exist_ok=True)
# 获取文件夹中的所有 Excel 文件
excel_files = [f for f in os.listdir(folder_path) if f.endswith('.xlsx') or f.endswith('.xls')]
# 处理每个 Excel 文件
for file in excel_files:
    file_path = os.path.join(folder_path, file)
    workbook = openpyxl.load_workbook(file_path)
    # 重命名工作表
    if 'OldSheetName' in workbook.sheetnames:
        sheet = workbook['OldSheetName']
        sheet.title = 'NewSheetName'
    # 保存处理后的文件
    output_file_path = os.path.join(output_folder, file)
    workbook.save(output_file_path)
print("Sheet renaming complete.")
__

9. 批量导出 Excel 数据到 CSV 文件

假设你需要将多个 Excel 文件中的数据批量导出为 CSV 文件。

import pandas as pd
import os
# 文件夹路径
folder_path = 'path/to/your/excel/files'
output_folder = 'path/to/output/csvs'
# 确保输出文件夹存在
os.makedirs(output_folder, exist_ok=True)
# 获取文件夹中的所有 Excel 文件
excel_files = [f for f in os.listdir(folder_path) if f.endswith('.xlsx') or f.endswith('.xls')]
# 处理每个 Excel 文件
for file in excel_files:
    file_path = os.path.join(folder_path, file)
    df = pd.read_excel(file_path)
    # 生成输出文件路径
    base_name = os.path.splitext(file)[0]
    output_file_path = os.path.join(output_folder, f'{base_name}.csv')
    # 导出为 CSV 文件
    df.to_csv(output_file_path, index=False)
print("Export to CSV complete.")
__

10. 批量处理多个 Excel 文件并进行数据分析

假设你需要对多个 Excel 文件进行数据分析，例如计算总和、平均值等。

import pandas as pd
import os
# 文件夹路径
folder_path = 'path/to/your/excel/files'
# 获取文件夹中的所有 Excel 文件
excel_files = [f for f in os.listdir(folder_path) if f.endswith('.xlsx') or f.endswith('.xls')]
# 创建一个空的 DataFrame 来存储所有数据
all_data = pd.DataFrame()
# 逐个读取每个 Excel 文件并将数据追加到 all_data 中
for file in excel_files:
    file_path = os.path.join(folder_path, file)
    df = pd.read_excel(file_path)
    # 将数据追加到 all_data 中
    all_data = pd.concat([all_data, df], ignore_index=True)
# 进行数据分析
total_sum = all_data['Some_Column'].sum()
average_value = all_data['Some_Column'].mean()
# 打印结果
print(f"Total Sum: {total_sum}")
print(f"Average Value: {average_value}")
__

http://www.kler.cn/a/535429.html

相关文章：

  • 面试笔记-多线程篇
  • go流程控制
  • hot100（8）
  • 网络工程师 （20）计算机网络的概念
  • LPJ-GUESS模型入门（一）
  • MongoDB学习笔记-解析jsonCommand内容
  • 哪个命令查看docekr 和docker compose 安装成功了
  • 规则引擎LiteFlow
  • Python----Python高级（并发编程：线程Thread，多线程，线程间通信，线程同步，线程池）
  • 尚硅谷spring框架视频教程——学习笔记二（数据库、事务、webflux）
  • [实验日志] VS Code 连接服务器上的 Python 解释器进行远程调试
  • node.js的require()
  • 低至3折，百度智能云千帆宣布全面支持DeepSeek-R1/V3调用
  • Web3.0 技术应用溯源系统建设
  • MS17-010（永恒之蓝1.0）漏洞远程控制win7系统操作实战小白通俗易懂
  • 如何使用sqlalchemy的orm模式构建表结构1对1，1对多，多对多的关系
  • 如何打造一个更友好的网站结构？
  • Vue组件开发——进阶篇
  • OS10 固件更新步骤-U 盘方式
  • SQL 中的谓词逻辑
  • PHP商会招商项目系统小程序
  • CentOS服务器部署Docker+Jenkins持续集成环境
  • 微信小程序调用企业微信客户服务插件联通企业微信客服
  • 【Elasticsearch】geotile grid聚合
  • Python Bug修复案例分析：列表切片引发的内存泄漏问题
  • DeepSeek R1 Distill Llama 70B（免费版）API使用详解