資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝學
法學使用 Python Pandas 合併多個 Excel 檔案中的資料
使用 Python Pandas 合併多個 Excel 檔案中的資料：簡介
隨著企業處理包含在多個 Excel 檔案中的海量資料，有效地合併和分析這些資料變得至關重要。Python 功能強大的 Pandas 資料處理庫提供了一種優雅的方法來合併來自多個檔案的 Excel 資料。本文將逐步指導您完成此過程，並解釋語法。我們還將探討完成這項工作的兩種不同方法，包括示例、可執行程式碼和結果。
來自多個檔案的 Excel 資料
將來自多個 Excel 檔案的資料組合或連線到單個數據集中，稱為合併 Excel 資料。這種合併使資料分析師、科學家和業務人士能夠進行徹底的分析並獲得有見地的資訊。合併來自多個來源的資料（例如銷售記錄、客戶資訊或財務資料）可以發現關係、識別趨勢並得出有價值的結論。
此外，合併 Excel 資料簡化了資料的清理和標準化，因為在合併過程中可以糾正任何不一致之處或缺失值。這確保了資料的完整性和準確性，為資料驅動的決策、戰略規劃和可操作的建議奠定了基礎，從而提高組織效率。最終，合併 Excel 資料使使用者能夠充分利用其資料資產，並從複雜的資料集中提取有價值的見解。
語法和解釋
為了使用 Python Pandas 合併 Excel 資料，我們將主要使用 `pandas.read_excel()` 函式讀取 Excel 檔案，以及 `pandas.concat()` 函式連線資料框。
使用 Pandas 讀取 Excel 檔案的語法如下：
import pandas as pd
df = pd.read_excel('file_path.xlsx')
這裡 `pd` 用於引用 pandas 庫。`read_excel()` 函式從 `'file_path.xlsx'` 引數指定的 Excel 檔案中提取資料，並返回一個數據框 (df)。
使用 Pandas 連線多個數據框的語法如下：
combined_df = pd.concat([df1, df2, df3, ...])
`concat()` 函式接收一個數據框列表 ([df1, df2, df3,...])，並垂直連線這些資料框。最終資料框 `combined_df` 將包含來自輸入資料框的所有行。
演算法
步驟 1 - 匯入 Pandas 和任何其他必要的庫。
步驟 2 - 指定要合併的 Excel 檔案的檔案路徑。
步驟 3 - 使用 `read_excel()` 函式開啟每個 Excel 檔案，並將資料框儲存在不同的變數中。
步驟 4 - 使用 `concat()` 函式將資料框合併，並將它們作為列表傳遞。
步驟 5 - 如果需要進一步分析，則將合併後的資料框匯出到新的 Excel 檔案。
方法
方法 1 - 使用 For 迴圈合併 Excel 資料
方法 2 - 使用列表推導式合併 Excel 資料
方法 1：使用 For 迴圈合併 Excel 資料
在方法 1 中，我們首先定義一個空列表 `dfs` 來儲存單個數據框。然後，使用 for 迴圈，我們透過迭代 `file_paths` 陣列，使用 `pd.read_excel()` 讀取每個 Excel 檔案。結果是一個數據框，將其新增到 `dfs` 列表中。最後，我們使用 `pd.concat()` 將 `dfs` 中的所有資料框合併到一個名為 `combined_df` 的單個數據框中。
假設我們有三個 Excel 檔案 (file1.xlsx、file2.xlsx 和 file3.xlsx)，包含以下資料：
file1.xlsx ID Name Age 0 1 Tom 28 1 2 Emma 35 file2.xlsx ID Name Age 0 3 John 42 1 4 Sarah 31 file3.xlsx ID Name Age 0 5 Liam 29 1 6 Lily 27
示例
import pandas as pd file_paths = ['file1.xlsx', 'file2.xlsx', 'file3.xlsx'] dfs = [] # To store individual dataframes for file in file_paths: df = pd.read_excel(file) dfs.append(df) combined_df = pd.concat(dfs)
輸出
ID Name Age 0 1 Tom 28 1 2 Emma 35 0 3 John 42 1 4 Sarah 31 0 5 Liam 29 1 6 Lily 27
結果資料框垂直合併了每個檔案中的行。file1.xlsx 中資料的首行為 ID 1，姓名“Tom”，年齡 28 歲。第二行列出了 ID 2，“Emma”，年齡 35 歲。
然後，結果資料框用 file2.xlsx 中的資料補充。第三行包含 ID 3，“John”，年齡 42 歲。第四行包含 ID 4，姓名“Sarah”，年齡 31 歲。
然後新增 file3.xlsx 中的資料。第五行包含 ID 5，“Liam”，“29”和“Name”。第六行也是最後一行，ID 為 6，姓名為“Lily”，年齡 27 歲。
這將建立一個綜合資料集，可根據需要準備進行進一步分析、處理或匯出。因此，我們得到一個合併後的資料框，其中包含來自三個 Excel 檔案的所有行。
方法 2：使用列表推導式合併 Excel 資料
第二種方法使用列表推導式，這是一種簡潔而優雅的 Python 列表建立方法。在這裡，我們使用 `pd.read_excel(file)` 作為列表推導式中的表示式，直接從 `file_paths` 列表建立資料框列表。這種方法消除了顯式的 for 迴圈，從而使程式碼更緊湊。
假設我們有三個 Excel 檔案 (file1.xlsx、file2.xlsx 和 file3.xlsx)，包含以下資料：
file1.xlsx ID Name Age 0 1 Tom 28 1 2 Emma 35 file2.xlsx ID Name Age 0 3 John 42 1 4 Sarah 31 file3.xlsx ID Name Age 0 5 Liam 29 1 6 Lily 27
示例
import pandas as pd file_paths = ['file1.xlsx', 'file2.xlsx', 'file3.xlsx'] dfs = [pd.read_excel(file) for file in file_paths] combined_df = pd.concat(dfs)
輸出
ID Name Age 0 1 Tom 28 1 2 Emma 35 0 3 John 42 1 4 Sarah 31 0 5 Liam 29 1 6 Lily 27
方法 2 的輸出解釋與方法 1 相同，因為兩種方法都產生相同的輸出。
結論
使用 Python Pandas 合併來自多個來源的 Excel 資料，是一種強大且靈活的方法，用於組合和分析大型資料集。在本文中，我們研究了完成此操作的兩種不同方法，以及合併 Excel 資料的語法和分步說明。資料專業人員可以利用 Pandas 的功能有效地從複雜的資料集中提取有價值的見解，使他們能夠做出資料驅動的決策並促進業務成功。
瀏覽量：285
