在日常工作中，我们经常会遇到需要处理多个Excel工作表（Sheet）的情况。比如，一个Excel文件中包含了一个月内每天的数据，每个工作表代表一天。有时候，为了方便分析，我们需要将这些分散的数据合并到一个工作表中。手动复制粘贴不仅效率低下，而且容易出错。这时，我们可以使用Python的pandas库和openpyxl库来自动化这个过程。
D:spiderdocsmergesheet.py
全部代码
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 | import wxfrom openpyxl import load_workbook, Workbookclass MyApp(wx.App): def OnInit(self): frame = MyFrame(None, title="Excel Sheet Merger") frame.Show() return Trueclass MyFrame(wx.Frame): def __init__(self, parent, title): super(MyFrame, self).__init__(parent, title=title, size=(300, 200)) panel = wx.Panel(self) vbox = wx.BoxSizer(wx.VERTICAL) self.button = wx.Button(panel, label="Select Excel File") self.button.Bind(wx.EVT_BUTTON, self.on_open_file) vbox.Add(self.button, 0, wx.ALL | wx.CENTER, 5) panel.SetSizer(vbox) def on_open_file(self, event): with wx.FileDialog(self, "Open Excel file", wildcard="Excel files (*.xlsx)|*.xlsx", style=wx.FD_OPEN | wx.FD_FILE_MUST_EXIST) as fileDialog: if fileDialog.ShowModal() == wx.ID_CANCEL: return path = fileDialog.GetPath() self.merge_sheets(path) def merge_sheets(self, filepath): wb = load_workbook(filepath) new_wb = Workbook() new_ws = new_wb.active new_ws.title = "Merged Sheet" for i, sheet_name in enumerate(wb.sheetnames[:5]): ws = wb[sheet_name] for row in ws.iter_rows(values_only=True): new_ws.append(row) save_path = filepath.replace('.xlsx', '_merged.xlsx') new_wb.save(save_path) wx.MessageBox(f"Merged file saved as: {save_path}", "Info", wx.OK | wx.ICON_INFORMATION)if __name__ == '__main__': app = MyApp() app.MainLoop() |
环境准备
首先，确保你的环境中安装了pandas和openpyxl库。如果没有安装，可以通过以下命令安装：
1 | pip install pandas openpyxl |
代码分析
下面是一个简单的Python脚本，用于合并一个Excel文件中的前5个工作表：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 | import pandas as pddef merge_sheets(file_path, output_file, num_sheets=5): # 加载Excel文件 xls = pd.ExcelFile(file_path) # 创建一个空的DataFrame用于存储合并后的数据 merged_df = pd.DataFrame() # 循环读取前num_sheets个工作表 for sheet_name in xls.sheet_names[:num_sheets]: # 读取每个工作表的数据 df = pd.read_excel(xls, sheet_name=sheet_name) # 将读取的数据追加到merged_df中 merged_df = pd.concat([merged_df, df], ignore_index=True) # 将合并后的数据保存到新的Excel文件 merged_df.to_excel(output_file, index=False)# 调用函数file_path = 'path_to_your_excel_file.xlsx'output_file = 'merged_excel_file.xlsx'merge_sheets(file_path, output_file) |
代码解释
-
导入库：首先，我们导入了
pandas库，它是Python中用于数据处理和分析的强大工具。 -
定义函数：我们定义了一个名为
merge_sheets的函数，它接受三个参数：file_path（Excel文件的路径）、output_file（输出文件的名称）、num_sheets（需要合并的工作表数量，默认为5）。 -
加载Excel文件：使用
pd.ExcelFile函数加载Excel文件，这样我们可以访问文件中的所有工作表。 -
初始化DataFrame：创建一个空的
DataFrame，merged_df，用于存储合并后的数据。 -
循环读取工作表：通过
xls.sheet_names获取所有工作表的名称，并循环读取前num_sheets个工作表。对于每个工作表，使用pd.read_excel函数读取数据，并使用pd.concat函数将其追加到merged_df中。 -
保存合并后的数据：最后，使用
to_excel函数将合并后的数据保存到新的Excel文件中。
运行结果
注意事项
- 确保
file_path和output_file正确指向了你的文件路径和期望的输出文件。 - 如果你的Excel文件中的工作表数量超过了5个，你可以通过修改
num_sheets参数来调整需要合并的工作表数量。 - 合并的数据将按照它们在原始文件中的顺序排列。
通过使用Python脚本自动化合并Excel工作表的过程，我们可以节省大量的时间和精力，特别是在处理大型数据集时。这种方法不仅提高了效率，而且减少了人为错误的可能性。
以上就是使用Python合并Excel文件中的多个Sheet的实现过程的详细内容，更多关于Python合并多个Sheet的资料请关注IT俱乐部其它相关文章！
