使用 Python 提取和合并 Excel 数据

Posted 2023-03-11

【中文标题】使用 Python 提取和合并 Excel 数据

【英文标题】：Extracting and consolidating Excel data using Python

【发布时间】：2018-03-13 00:58:14

【问题描述】：

我有一个包含 40 张左右的 Excel (.xlsx) 文件。每个工作表具有相同的结构，但包含不同的数据。我想从每张纸中提取信息并将其合并为一张，每张纸上的信息一个接一个。我需要从中提取的信息有两个：

工作表名称，始终位于单元格 E3 中 感兴趣的单元格区域，始终位于第 72-85 行和 E-V 列之间

此提取的信息将粘贴到合并工作表的第 2-15 行中，其中工作表名称位于一列中，所有其他信息位于其旁边的列中。然后，从下一张提取的信息将粘贴到第 16-29 行，依此类推。

我是 Python 新手，我正在运行 Python 3.6.1。我找到了有关如何使用 Python 组合 Excel 文件的解决方案，但没有找到用于从 Excel 工作表中的指定单元格中提取信息的解决方案。

任何指导都会非常有帮助。

更新 1：我设法将我的一张工作表的区域加载到数据框中。

import pandas as pd
cis = pd.ExcelFile(r"C:\mypath\myfile.xlsx") 
df1 = cis.parse('1. Consumers', skiprows=[0,1,2,3,4,5,6],parse_cols=[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]).drop([13])

但是，我仍然必须将工作表名称添加到数据框中，然后在所有工作表上运行相同的循环，最后将每个工作表中的信息一起附加到一个数据框/文件中。

【问题讨论】：

所有工作表都有相同的列吗？

@muazfaiz。是的。

设置 Power Query 需要 2 分钟，这是 2010 年和 2013 年的加载项，2016 年作为 Get 和 Transform 内置。

@teylyn 感谢您的提示。但是，我希望使用 Python 脚本来执行此操作，主要是因为它需要在不同的文件集中多次使用。

使用 Power Query 的另一个原因。它可以设置一次，然后在不同的文件集上重复多次。

【参考方案1】：

这应该足以让你开始：

xls = pd.ExcelFile('excel_file_path.xls')
for sheet in xls.sheet_names:
    df = pd.read_excel(file_name, sheetname=sheet)

如果您已经非常熟悉 excel，那么您会很快学会 pandas。您绝对应该考虑将 jupyter notebook 与 python 一起使用。 Jupyter notebook 本质上将创建一个类似于 UI 的电子表格，其中包含大量用于运行分析和操作数据的内置功能。

参考文献：

Use PANDAS to read multiple sheets from same workbook

Link to jupyter notebook documentation

Pandas tutorials

Practical business solutions with pandas for python

【讨论】：

谢谢。另一位用户提到了“openpyxl”。有理由更喜欢熊猫而不是 openpyxl 吗？我不知道如何使用 pandas 提取特定的单元格。

查看我的更新。你的代码能帮我遍历文件吗？

@StatsScared 是的，如果所有工作表都具有相同的结构，您应该能够通过一个简单的循环处理所有工作表。用于选择特定行列查看：pandas.pydata.org/pandas-docs/stable/indexing.html

请接受答案，如果您对此过程的其他部分有更多问题，请检查已经提出的问题，通常已在此处提出，否则发布特定于您的新问题的问题。这里有一个庞大的熊猫用户社区，不断地回答问题。我很少有机会在别人之前回答问题。