Pandas 處理excel 數據的流程，非常簡單直觀：
讀取數據，存入內存（以dataframe形式，含行和列的二維數據結構），使用pandas內置方法處理數據，最後把結果導出至excel。
第一步，使用pandas 的read_excel 方法讀取excel文件，natural language，多麼直接！
import pandas as pddf = pd.read_excel('超市運營數據.xlsx')#查看數據前5行df.head()第二步，使用df.info()方法查看數據概況，了解總行數、各列名、數值類型，佔用內存等信息。
從結果中看到，總數據量3478，沒有空值，數據類型有：數值(int 和float)和時間(datime64)以及字符串（object），內存為200+KB，接下來我們對數據用pandas來進行處理，開整！
1. 首先看下數據篩選和對比：（注意運行時間，毫秒級）
df[(df.日期 > '2020-04-30 00:00:00') & (df.日期 < '2020-06-01 00:00:00')]2: 然後看下如何批量拆分和合併：(同樣，注意運行時間，個位數秒)
i. 將所有數據按照年份拆分到同一個工作簿的不同的工作表sheet裡:df['Year'] = df['日期'].dt.year.astype('str')years = list(df['Year'].unique())writer = pd.ExcelWriter('data_by_year.xlsx')for year in years: df[df['Year']== year].to_excel(writer,sheet_name = year,index = False)writer.save()
ii. 將所有數據按照年份拆分到互相獨立的工作簿裡:import osif not os.path.exists('年份/'): os.makedirs('年份/')for year in years: file_name = '年份/'+ year + '.xlsx' df[df['Year']== year].to_excel(file_name,index = False)iii. 將多張工作簿數據合併到一張工作簿裡（第2 步的反向操作）：#這一步是遍歷文件夾裡所有excel，把數據匯總至一張表裡#首先創建空列表，用於存放所有數據lis_a = []
#遍歷所有excel文件，提取每個表裡的數據，追加到列表裡for foldName,subfolders,filenames in os.walk('年份'): for filename in filenames: #將文件夾名字和文件名合併，方便pandas 按照路徑讀取數據 file_name = os.path.join(foldName,filename) df_sub = pd.read_excel(file_name) lis_a.append(df_sub) #然後使用concat合併，最後導出df_all = pd.concat(lis_a)df_all.to_excel('data_all.xlsx',index = False)
使用pandas 處理excel數據，優勢在於:
1. 高效處理大數據量，速度在秒級，遠遠快於手動操作
2. 可以利用循環，批量、快速實現分析和導出結果
3. pands的好，誰用誰知道！