【Python自动化Excel】pandas操作Excel的“分分合合”

话说Excel数据表，分久必合、合久必分。Excel数据表的“分”与“合”是日常办公中常见的操作。手动操作并不困难，但数据量大了之后，重复性操作往往会令人崩溃。利用Python的Pandas库，便可以自动实现Excel数据表的“分分合合”。下面结合实例来分享本人整理的实用代码片段。（如有更好的方式，欢迎批评指正）

分：纵向“分”

从数据平台（如问卷平台）中导出的数据往往是清单型的，每一行都是一条记录，数据量大的时候，表格往往是很“长”的。有时需要按照某列的不同数值，将一个总表“分”成单独的一些Excel文件。

一个工作表“分”为多个Excel文件

def to_excelByColName(sourceDf,colName,outPath,excelName):
    '''
        纵向“分”：一个工作表“分”为多个Excel文件
        根据指定的列名中的不同值，分解Excel，并存储成多个Excel文件。
        sourceDf：原始的DataFrame
        colName：指定列名
        outPath：输出路径
        excelName：文件名，加.xlsx后缀
    '''
    colNameList = sourceDf[colName].drop_duplicates().tolist()
    for eachColName in colNameList:
        sourceDf[sourceDf[colName]==eachColName].to_excel('/'.join([outPath,eachColName+excelName]),index=False)

例如：将20个班级1000名学生的总表，按班级分成20个Excel文件。

调用to_excelByColName函数，效果如下：

to_excelByColName(sourceDf = sourceDf,colName="班级",outPath=".\分班数据表",excelName="生成数据表.xlsx")

一个工作表“分”为一个文件的多个sheet

def to_excelByColNameWithSheets(sourceDf,colName,outPath):
    '''
        纵向“分”：一个工作表“分”为一个文件的多个sheet
        根据指定的列名中的不同值，分解Excel，并存储成单个Excel文件的多个Sheet。
        sourceDf：原始的DataFrame
        colName：指定列名
        outPath：输出路径，加.xlsx后缀
    '''
    writer = pd.ExcelWriter(outPath)
    colNameList = sourceDf[colName].drop_duplicates().tolist()
    for eachColName in colNameList:
        sourceDf[sourceDf[colName]==eachColName].to_excel(writer,sheet_name=eachColName)
    writer.save()

例如：将20个班级1000名学生的总表，按班级分成1个Excel文件的20个sheet表。

调用to_excelByColNameWithSheets函数，效果如下：

to_excelByColNameWithSheets(sourceDf = sourceDf,colName="班级",outPath=".\分班数据表\生成数据表.xlsx")

分：横向“分”

在处理数据的时候，有时需要添加多个辅助列，这样也会让数据表越来越“宽”。而最终我们只需要某些关键列即可，那么这就涉及到横向数据分割，或者说提取某些列保持成一个单独的数据表。横向的分割只需要给DataFrame传入列名列表即可。

例如：只需要数据表中的姓名和班级字段，可以这样写。

df1 = sourceDf[["姓名","班级"]]
df1.to_excel("只含有姓名和班级的数据表.xlsx")

合：纵向“合”

对于结构相同的数据，在数据处理时可以将其在纵向上拼接，方便一起处理。

多个Excel文件合并成一个工作表

def readExcelFilesByNames(fpath,fileNameList=[],header=0):
    '''
        纵向“合”：多个Excel文件合并成一个工作表
        读取路径下指定的Excel文件，并合并成一个总的DataFrame。
        每个Excel文件的数据表格式上要一致。
        1.fpath：必填,是Excel文件所在路径，不加文件名
        2.fileNameList：需要读取的Excel文件名列表
        3.header：指定读取的行数
    '''
    outdf = pd.DataFrame()
    for fileName in fileNameList:
        tempdf =pd.read_excel('/'.join([fpath,fileName]),header = header)
        outdf = pd.concat([outdf,tempdf])
    return outdf

例如：将20个班级的Excel文件，合并成一个数据表

调用readExcelFilesByNames函数，效果如下：

fileNameList = [
    "六1班数据表.xlsx",    "六2班数据表.xlsx",    "六3班数据表.xlsx",    "六4班数据表.xlsx",
    "六5班数据表.xlsx",    "六6班数据表.xlsx",    "六7班数据表.xlsx",    "六8班数据表.xlsx",
    "六9班数据表.xlsx",    "六10班数据表.xlsx",    "六11班数据表.xlsx",    "六12班数据表.xlsx",
    "六13班数据表.xlsx",    "六14班数据表.xlsx",    "六15班数据表.xlsx",    "六16班数据表.xlsx",
    "六17班数据表.xlsx",    "六18班数据表.xlsx",    "六19班数据表.xlsx",    "六20班数据表.xlsx",
]
readExcelFilesByNames(fpath = ".\分班数据表",fileNameList=fileNameList)

多个Sheet合并成一个工作表

def readExcelBySheetsNames(fpath,header = 0,prefixStr = "",sheetNameStr ="sheetName",prefixNumStr = "prefixNum"):
    '''
        纵向“合”：多个Sheet合并成一个工作表
        读取所有的Excel文件的sheet，并合并返回一个总的DataFrame。
        每个sheet的数据表格式上要一致。
        1.fpath：必填,是Excel文件的路径，加文件名
        2.会生成两个新列：sheetName和prefixNum，方便数据处理
            sheetName列是所有sheet的名称列
            prefixNum列是计数列
        3.header：指定读取的行数
    '''
    xl = pd.ExcelFile(fpath)
    # 获取Excel文件内的所有的sheet名称
    sheetNameList = xl.sheet_names
    outfd = pd.DataFrame()
    num  = 0 
    for sheetName in sheetNameList:
        num += 1
        data = xl.parse(sheetName,header=header)
        # 产生sheet名称列和计数列
        data[sheetNameStr] = sheetName
        data[prefixNumStr] = prefixStr +str(num)
        # 数据表拼接
        outfd = pd.concat([outfd,data.dropna()])
    xl.close()
    return outfd

如下调用readExcelBySheetsNames,运行效果如下：

readExcelBySheetsNames(fpath = ".\分班数据表\总数据表.xlsx",sheetNameStr ="sheet名",prefixNumStr = "sheet序号")

合：横向“合”

对于不同Excel工作表之间的横向合并，主要是用根据某些列（如：姓名、身份证号等）进行合并。在pandas库中可以用merge方法来实现，这是个十分好用的方式，展开讲篇幅较长，后续详细整理。

DataFrame.merge(right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'), copy=True, indicator=False, validate=None)

结语

本文所谈的Python处理Excel文件方式主要是基于pandas库的，主要针对的是清单型的数据表。清单型的数据表在下面的文章中有详细介绍：

https://www.cnblogs.com/wansq/p/15869594.html

数据表的分主要涉及的是文件保存（写入），对程序来说属于输出环节；

数据表的合主要针对的是文件打开（读取），对程序而言属于输入环节。

以上代码在针对大量重复性的表格分与合时，优势巨大；但对于偶尔、少量的分与合，也许用鼠标点击更快。

技术没有好坏之分，需要灵活使用！