15 Pandas批量拆分Excel与合并Excel
实例演示：
- 将一个大Excel等份拆成多个Excel
- 将多个小Excel合并成一个大Excel并标记来源
work_dir="./course_datas/c15_excel_split_merge"
splits_dir=f"{work_dir}/splits"
import os
if not os.path.exists(splits_dir):
os.mkdir(splits_dir)
0、读取源Excel到Pandas
import pandas as pd
df_source = pd.read_excel(f"{work_dir}/crazyant_blog_articles_source.xlsx")
df_source.head()
.dataframe tbody tr th:only-of-type { vertical-align: middle; }
.dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; } | id | title | tags | |
|---|---|---|---|
| 0 | 2585 | Tensorflow怎样接收变长列表特征 | python,tensorflow,特征工程 |
| 1 | 2583 | Pandas实现数据的合并concat | pandas,python,数据分析 |
| 2 | 2574 | Pandas的Index索引有什么用途？ | pandas,python,数据分析 |
| 3 | 2564 | 机器学习常用数据集大全 | python,机器学习 |
| 4 | 2561 | 一个数据科学家的修炼路径 | 数据分析 |
df_source.index
RangeIndex(start=0, stop=258, step=1)
df_source.shape
(258, 3)
total_row_count = df_source.shape[0]
total_row_count
258
一、将一个大Excel等份拆成多个Excel
- 使用df.iloc方法，将一个大的dataframe，拆分成多个小dataframe
- 将使用dataframe.to_excel保存每个小Excel
1、计算拆分后的每个excel的行数
# 这个大excel，会拆分给这几个人
user_names = ["xiao_shuai", "xiao_wang", "xiao_ming", "xiao_lei", "xiao_bo", "xiao_hong"]
# 每个人的任务数目
split_size = total_row_count // len(user_names)
if total_row_count % len(user_names) != 0:
split_size += 1
split_size
43
2、拆分成多个dataframe
df_subs = []
for idx, user_name in enumerate(user_names):
# iloc的开始索引
begin = idx*split_size
# iloc的结束索引
end = begin+split_size
# 实现df按照iloc拆分
df_sub = df_source.iloc[begin:end]
# 将每个子df存入列表
df_subs.append((idx, user_name, df_sub))
3、将每个datafame存入excel
for idx, user_name, df_sub in df_subs:
file_name = f"{splits_dir}/crazyant_blog_articles_{idx}_{user_name}.xlsx"
df_sub.to_excel(file_name, index=False)
二、合并多个小Excel到一个大Excel
- 遍历文件夹，得到要合并的Excel文件列表
- 分别读取到dataframe，给每个df添加一列用于标记来源
- 使用pd.concat进行df批量合并
- 将合并后的dataframe输出到excel
1. 遍历文件夹，得到要合并的Excel名称列表
import os
excel_names = []
for excel_name in os.listdir(splits_dir):
excel_names.append(excel_name)
excel_names
['crazyant_blog_articles_0_xiao_shuai.xlsx',
'crazyant_blog_articles_1_xiao_wang.xlsx',
'crazyant_blog_articles_2_xiao_ming.xlsx',
'crazyant_blog_articles_3_xiao_lei.xlsx',
'crazyant_blog_articles_4_xiao_bo.xlsx',
'crazyant_blog_articles_5_xiao_hong.xlsx']
2. 分别读取到dataframe
df_list = []
for excel_name in excel_names:
# 读取每个excel到df
excel_path = f"{splits_dir}/{excel_name}"
df_split = pd.read_excel(excel_path)
# 得到username
username = excel_name.replace("crazyant_blog_articles_", "").replace(".xlsx", "")[2:]
print(excel_name, username)
# 给每个df添加1列，即用户名字
df_split["username"] = username
df_list.append(df_split)
crazyant_blog_articles_0_xiao_shuai.xlsx xiao_shuai
crazyant_blog_articles_1_xiao_wang.xlsx xiao_wang
crazyant_blog_articles_2_xiao_ming.xlsx xiao_ming
crazyant_blog_articles_3_xiao_lei.xlsx xiao_lei
crazyant_blog_articles_4_xiao_bo.xlsx xiao_bo
crazyant_blog_articles_5_xiao_hong.xlsx xiao_hong
3. 使用pd.concat进行合并
df_merged = pd.concat(df_list)
df_merged.shape
(258, 4)
df_merged.head()
.dataframe tbody tr th:only-of-type { vertical-align: middle; }
.dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; } | id | title | tags | username | |
|---|---|---|---|---|
| 0 | 2585 | Tensorflow怎样接收变长列表特征 | python,tensorflow,特征工程 | xiao_shuai |
| 1 | 2583 | Pandas实现数据的合并concat | pandas,python,数据分析 | xiao_shuai |
| 2 | 2574 | Pandas的Index索引有什么用途？ | pandas,python,数据分析 | xiao_shuai |
| 3 | 2564 | 机器学习常用数据集大全 | python,机器学习 | xiao_shuai |
| 4 | 2561 | 一个数据科学家的修炼路径 | 数据分析 | xiao_shuai |
df_merged["username"].value_counts()
xiao_hong 43
xiao_bo 43
xiao_shuai 43
xiao_lei 43
xiao_wang 43
xiao_ming 43
Name: username, dtype: int64
4. 将合并后的dataframe输出到excel
df_merged.to_excel(f"{work_dir}/crazyant_blog_articles_merged.xlsx", index=False)
本文使用 文章同步助手 同步