怎樣使用Pandas批量拆分與合併Excel文件?

實例演示：

將一個大Excel等份拆成多個Excel

將多個小Excel合併成一個大Excel並標記來源

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、讀取源Excel到Pandas

import pandas as pd

df_source = pd.read_excel(f"{work_dir}/crazyant_blog_articles_source.xlsx")

df_source.head()

idtitletags02585Tensorflow怎樣接收變長列表特徵python,tensorflow,特徵工程12583Pandas實現數據的合併concatpandas,python,數據分析22574Pandas的Index索引有什麼用途？pandas,python,數據分析32564機器學習常用數據集大全python,機器學習42561一個數據科學家的修煉路徑數據分析

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、將一個大Excel等份拆成多個Excel

使用df.iloc方法，將一個大的dataframe，拆分成多個小dataframe

將使用dataframe.to_excel保存每個小Excel

1、計算拆分後的每個excel的行數

user_names = ["xiao_shuai", "xiao_wang", "xiao_ming", "xiao_lei", "xiao_bo", "xiao_hong"]

split_size = total_row_count // len(user_names)
if total_row_count % len(user_names) != 0:
    split_size += 1

split_size

43

2、拆分成多個dataframe

df_subs = []
for idx, user_name in enumerate(user_names):
    
    begin = idx*split_size
    
    end = begin+split_size
    
    df_sub = df_source.iloc[begin:end]
    
    df_subs.append((idx, user_name, df_sub))

3、將每個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、合併多個小Excel到一個大Excel

遍歷文件夾，得到要合併的Excel文件列表

分別讀取到dataframe，給每個df添加一列用於標記來源

使用pd.concat進行df批量合併

將合併後的dataframe輸出到excel

1. 遍歷文件夾，得到要合併的Excel名稱列表

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. 分別讀取到dataframe

df_list = []

for excel_name in excel_names:
    
    excel_path = f"{splits_dir}/{excel_name}"
    df_split = pd.read_excel(excel_path)
    
    username = excel_name.replace("crazyant_blog_articles_", "").replace(".xlsx", "")[2:]
    print(excel_name, username)
    
    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進行合併

df_merged = pd.concat(df_list)

df_merged.shape

(258, 4)

df_merged.head()

idtitletagsusername02585Tensorflow怎樣接收變長列表特徵python,tensorflow,特徵工程xiao_shuai12583Pandas實現數據的合併concatpandas,python,數據分析xiao_shuai22574Pandas的Index索引有什麼用途？pandas,python,數據分析xiao_shuai32564機器學習常用數據集大全python,機器學習xiao_shuai42561一個數據科學家的修煉路徑數據分析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. 將合併後的dataframe輸出到excel

df_merged.to_excel(f"{work_dir}/crazyant_blog_articles_merged.xlsx", index=False)