如何用python合并不同工作簿

如何用Python合并不同工作簿：

用Python合并不同工作簿的步骤包括：导入相关库、读取工作簿、合并数据、保存合并后的文件。使用pandas库、读取Excel文件、合并数据框、保存为新Excel文件。其中，使用pandas库来读取和操作Excel文件是最为常见和高效的方法，因为pandas提供了强大的数据操作功能，能够轻松实现数据的合并、清洗和分析。

一、导入相关库

Python中的pandas库和openpyxl库是处理Excel文件的利器。我们需要先导入这些库：

import pandas as pd
import openpyxl

pandas库主要用于数据处理，而openpyxl库则用于操作Excel文件。通过pandas库，我们能够方便地读取、操作和写入Excel数据。

二、读取Excel文件

在合并不同工作簿之前，我们需要先将这些工作簿读取到内存中。假设我们有两个Excel文件：file1.xlsx和file2.xlsx，我们可以使用pandas库的read_excel函数来读取它们：

df1 = pd.read_excel('file1.xlsx')
df2 = pd.read_excel('file2.xlsx')

此时，df1和df2分别是两个数据框，包含了file1.xlsx和file2.xlsx中的数据。

三、合并数据

读取了数据之后，我们需要将这些数据进行合并。pandas库提供了多种合并数据框的方法，例如concat函数和merge函数。对于简单的垂直合并，我们可以使用concat函数：

df_combined = pd.concat([df1, df2], ignore_index=True)

在上述代码中，我们将df1和df2进行垂直合并，并将合并后的数据存储在df_combined中。ignore_index=True参数确保合并后的数据框重新索引。

四、保存合并后的文件

合并数据之后，我们需要将合并后的数据保存到新的Excel文件中。pandas库的to_excel函数可以帮助我们实现这一点：

df_combined.to_excel('combined_file.xlsx', index=False)

上述代码将df_combined数据框保存为combined_file.xlsx文件，并且不保存索引。

五、处理多个工作簿

在实际应用中，我们可能需要合并多个工作簿。我们可以使用循环来实现这一点。例如，假设我们有一组Excel文件，它们的文件名存储在一个列表中：

file_list = ['file1.xlsx', 'file2.xlsx', 'file3.xlsx']

我们可以使用循环读取这些文件，并将它们合并：

all_data = pd.DataFrame()
for file in file_list:
    df = pd.read_excel(file)
    all_data = pd.concat([all_data, df], ignore_index=True)
all_data.to_excel('all_combined_file.xlsx', index=False)

在这段代码中，我们首先创建一个空的数据框all_data，然后通过循环读取每个文件，并将它们依次垂直合并到all_data中。最后，我们将合并后的数据保存到all_combined_file.xlsx文件中。

六、处理不同工作表

有时候，一个工作簿中包含多个工作表，我们需要合并不同工作表中的数据。我们可以使用read_excel函数的sheet_name参数来读取特定的工作表。例如，假设我们有一个包含多个工作表的Excel文件file1.xlsx，我们可以读取并合并这些工作表：

sheets = pd.ExcelFile('file1.xlsx').sheet_names
df_combined = pd.DataFrame()
for sheet in sheets:
    df = pd.read_excel('file1.xlsx', sheet_name=sheet)
    df_combined = pd.concat([df_combined, df], ignore_index=True)
df_combined.to_excel('combined_sheets.xlsx', index=False)

在这段代码中，我们首先使用pd.ExcelFile函数获取file1.xlsx中的所有工作表名称，然后通过循环读取每个工作表，并将它们合并到df_combined中。最后，我们将合并后的数据保存到combined_sheets.xlsx文件中。

七、处理不同结构的工作簿

如果不同工作簿的结构（列名、列数等）不同，我们需要对它们进行预处理。我们可以统一列名、填充缺失值、删除多余列等。例如，假设我们有两个结构不同的Excel文件：

df1 = pd.read_excel('file1.xlsx')
df2 = pd.read_excel('file2.xlsx')
统一列名
df1.columns = ['A', 'B', 'C']
df2.columns = ['A', 'B', 'C', 'D']
填充缺失值
df2 = df2.fillna('')
删除多余列
df2 = df2[['A', 'B', 'C']]

在这段代码中，我们统一了df1和df2的列名，并对df2填充了缺失值，删除了多余列。这样，我们就可以顺利地将它们合并：

df_combined = pd.concat([df1, df2], ignore_index=True)
df_combined.to_excel('combined_file.xlsx', index=False)

八、总结

通过以上步骤，我们可以使用Python高效地合并不同工作簿。pandas库提供了强大的数据处理功能，可以帮助我们轻松实现数据的读取、合并和保存。无论是处理多个工作簿、多个工作表，还是处理不同结构的工作簿，pandas库都能够胜任。

在实际应用中，我们还可以结合其他Python库（如openpyxl、xlrd、xlwt等），实现更复杂的Excel文件操作。例如，我们可以使用openpyxl库修改Excel文件的格式、样式，使用xlrd和xlwt库处理旧版本的Excel文件等。

此外，我们还可以将数据合并过程自动化。例如，定期读取指定文件夹中的Excel文件，并自动合并保存。这可以通过Python的os库、glob库等实现。例如：

import os
import glob
获取指定文件夹中的所有Excel文件
file_list = glob.glob(os.path.join('path/to/folder', '*.xlsx'))
all_data = pd.DataFrame()
for file in file_list:
    df = pd.read_excel(file)
    all_data = pd.concat([all_data, df], ignore_index=True)
all_data.to_excel('all_combined_file.xlsx', index=False)