Python中各类Excel表格批量合并问题的实现思路与案例

在日常工作中，可能会遇到各类表格合并的需求。这类需求只要搞懂核心原理都很简单，本质都是万变不离其宗，相信大部分读者都能解决大部分需求。

基本思路：

• 遍历需要被合并的文件

• 读取数据，并合并数据(使用pandas最简单便捷)

• 保存数据

  对样式无要求，使用Pandas对象直接写出

  对样式有要求，使用openpyxl加载模板

  要求样式与原始表格完全一致，使用VBA复制粘贴（本文未实现）

首先我们看下遍历文件比较简单的方法：

遍历文件示例

遍历当前目录下以xlsx为后缀的Excel，排除以~或r开头的文件：

from glob import glob
glob("[!~r]*.xlsx")

['合并结果.xlsx', '多sheet表格合并.xlsx', '带表头样式合并.xlsx']

同时还想包含xls格式的文件：

glob("[!~r]*.xls*")

['test.xls', '合并结果.xlsx', '多sheet表格合并.xlsx', '带表头样式合并.xlsx']

递归遍历当前文件夹，包含子文件夹：

glob("**/[!~r]*.xls*", recursive=True)

['test.xls',
'合并结果.xlsx',
'多sheet表格合并.xlsx',
'带表头样式合并.xlsx',
'Excel多sheet合并\\excel3.xlsx',
'Excel多sheet合并\\excel4.xlsx',
'Excel多sheet合并\\新建文件夹\\excel3.xlsx',
'Excel多sheet合并\\新建文件夹\\excel4.xlsx',
'Excel多sheet合并\\新建文件夹\\新建文件夹\\excel3.xlsx',
'Excel多sheet合并\\新建文件夹\\新建文件夹\\excel4.xlsx',
'带样式合并\\HB区.xlsx',
'带样式合并\\HN区.xlsx',
'带样式合并\\XN区.xlsx',
'带样式合并\\汇总表.xlsx']

递归遍历指定文件夹(例如搜索本机所有登录过的微信接收到的Excel文件)：

import os
path = os.path.expanduser("~/Documents/WeChat Files")
glob(f"{path}/**/[!~r]*.xls*", recursive=True)

掌握了遍历文件的基本用法，我们就可以正式开始进行文件合并了：

无样式单文件合并示例

案例1：有一堆gzip压缩的csv文件，需要合并成新的csv文件

解压后的文本格式：

合并一堆gzip压缩的csv文件最终合并成一个gzip压缩的csv文件：

from glob import glob
import pandas as pd

dfs = [pd.read_csv(file, skiprows=1, sep="|", compression="gzip")
      for file in glob("gzip/*.csv.gz")]
df = pd.concat(dfs, ignore_index=True)
df.to_csv("合并后的csv压缩文件.csv.gz", index=False, compression="gzip")

最终合并结果：

案例2：一堆csv文件，只取其中三列，表名不固定，但相对顺序一致

from glob import glob
import pandas as pd
import numpy as np

columns = ['Date_ID', 'erbs', 'EUtranCell']
dfs = [pd.read_csv(file, usecols=[0, 2, 3]).values for file in glob("csv/*.csv")]
df = pd.DataFrame(np.vstack(dfs), columns=columns)
df.to_csv("合并后的csv文件.csv", index=False)

案例3：一堆csv文件，列非常多，仅一列列名存在变动

import pandas as pd
import glob

dfs = [
   pd.read_csv(file).rename(
       columns=lambda x:"EUtranCell" if x.startswith("EUtranCell") else x)
   for file in glob.glob("csv/*.csv")
]
df = pd.concat(dfs, ignore_index=True)
df.to_csv("合并后的csv文件2.csv", index=False)

其他方法（一般不会这么写）：

在预先能够定义好列名时，推荐以下两种写法：

案例4：寄存器数据处理并合并

需求说明：

• 需要读取0xa17~0xa20这10个寄存器的数据，前4个寄存器数据保存到R,GR,RB,B这四列中

• 0xa1b~0xa20后6个寄存器，两两合并到RG_L_H,BG_L_H,GG_L_H这三列中

• 标识每行数据所读取的文件名

如下所示：

特殊情况：

为了方便获取文件名，我们使用pathlib来进行glob遍历：

import pandas as pd
from pathlib import Path

result = []
for file in Path("csv/PT0004B_LOG").glob("*.csv"):
   df = pd.read_csv(file, header=None, usecols=[1, 2], index_col=0)
   t = df[2].str[2:]
   r = [str(file.name[:-4])]
   r.extend(t.loc["0xa17":"0xa1a"].values)
   r.extend(t.loc["0xa1c":"0xa20":2].values +
            t.loc["0xa1b":"0xa20":2].str.zfill(2).values)
   result.append(r)
df = pd.DataFrame(
   result, columns=["file", "R", "GR", "GB", "B", "RG_L_H", "BG_L_H", "GG_L_H"])
df.to_excel("combine.xlsx", index=False)

df.head()

无样式同名多sheet表格合并

如果只递归合并一个文件夹下的所有Excel的默认sheet，会非常简单，仅需4行代码搞定：

path = "Excel多sheet合并"
dfs = [pd.read_excel(file) for file in glob.glob(f"{path}/**/[!~]*.xls*", recursive=True)]
df = pd.concat(dfs, ignore_index=True)
df.to_excel("合并结果.xlsx", index=False)

下面要求对一个文件夹下所有Excel表格，要求所有的sheet分别合并。

数据示例如下：

假设被合并的文件夹名称是Excel多sheet合并，合并代码如下：

import pandas as pd
from glob import glob

path = "Excel多sheet合并"
data = {}
for file in glob(f"{path}/**/[!~]*.xls*", recursive=True):
   for name, df in pd.read_excel(file, sheet_name=None).items():
       data.setdefault(name, []).append(df)

with pd.ExcelWriter("多sheet表格合并.xlsx") as write:
   for name, dfs in data.items():
       pd.concat(dfs).to_excel(write, name, index=False)

合并结果：

保留表头样式同名多sheet表格合并

如果要求完全带有原有样式合并会比较麻烦，本文就不作演示了，存在具体真实需求时再考虑单独开文。

需求说明：

有很多区域表：

现在需要将每个区域的表格黄色的sheet合并到一张汇总表中。

为了保持表头样式的一致性，我们可以事先建立好模板，或者直接任选一个被合并的文件作为模板。

首先我们读取数据：

import pandas as pd
from glob import glob

path = "带样式合并"
# 定义被读取的sheet名和跳过的行数
sheet_start_num = {'03': 3, '06': 2, '07': 3, '08': 3}
data = {}
for file in glob(f"{path}/**/[!~r汇]*.xls*", recursive=True):
   for sheet_name, skiprows in sheet_start_num.items():
       excel = pd.ExcelFile(file)
       df = excel.parse(sheet_name=sheet_name, skiprows=skiprows, header=None)
       data.setdefault(sheet_name, []).append(df.values)

然后通过openpyxl加载模板，将数据写入各个子表中：

from openpyxl import load_workbook

workbook = load_workbook(filename="带样式合并/汇总表.xlsx")

for sheet_name, sheet_data in data.items():
   sheet = workbook[sheet_name]
   sheet.delete_rows(sheet_start_num[sheet_name] + 1, sheet.max_row)
   for row in np.vstack(sheet_data).tolist():
       sheet.append(row)
workbook.save(filename="带表头样式合并.xlsx")

最终就实现了带表头样式多sheet合并。

图形化界面选择指定的目录

如果我们希望将其做成图形化界面，可以使用tk的如下组件选择被合并的目录，或保存的位置：

from tkinter import filedialog

filedialog.askdirectory(initialdir=".")

filedialog.asksaveasfilename(title="保存",
                            initialdir=".",
                            defaultextension="xlsx",
                            filetypes=[("Excel 工作簿", "*.xlsx"),
                                       ("Excel 97-2003 工作簿", "*.xls")])

我们以多Excel多Sheet合并为例，可以编写如下代码的py脚本：

from tkinter import filedialog
import pandas as pd
from glob import glob

path = filedialog.askdirectory(initialdir=".")
data = {}
for file in glob(f"{path}/**/[!~]*.xls*", recursive=True):
   for name, df in pd.read_excel(file, sheet_name=None).items():
       data.setdefault(name, []).append(df)

save_name = filedialog.asksaveasfilename(title="保存",
                            initialdir=".",
                            defaultextension="xlsx",
                            filetypes=[("Excel 工作簿", "*.xlsx"),
                                       ("Excel 97-2003 工作簿", "*.xls")])
with pd.ExcelWriter(save_name) as write:
   for name, dfs in data.items():
       pd.concat(dfs).to_excel(write, name, index=False)

也可以考虑使用Gooey工具转换为图形化界面：

from glob import glob
import pandas as pd

from gooey import Gooey, GooeyParser

def combine_excel(path, save_name):
   data = {}
   for file in glob(f"{path}/**/[!~]*.xls*", recursive=True):
       for name, df in pd.read_excel(file, sheet_name=None).items():
           data.setdefault(name, []).append(df)
   with pd.ExcelWriter(save_name) as write:
       for name, dfs in data.items():
           pd.concat(dfs).to_excel(write, name, index=False)

@Gooey
def main():
   parser = GooeyParser(description="多Excel多Sheet合并程序 - @小小明")
   parser.add_argument('path', help="被合并的Excel文件目录", widget="DirChooser")
   parser.add_argument('save_name', help="合并后保存的文件(以Excel文件形式保存)", widget="FileSaver")
   args = parser.parse_args()
   print("输入路径：", args.path)
   print("保存位置：", args.save_name)
   combine_excel(args.path, args.save_name)
   print("合并完成！")

if __name__ == '__main__':
   main()

还可以通过Gooey展示合并进度：

from glob import glob
import pandas as pd

from gooey import Gooey, GooeyParser

def combine_excel(path, save_name):
   data = {}
   files = glob(f"{path}/**/[!~]*.xls*", recursive=True)
   for i, file in enumerate(files, 1):
       for name, df in pd.read_excel(file, sheet_name=None).items():
           data.setdefault(name, []).append(df)
       yield f"合并进度：{i}/{len(files)}"
   with pd.ExcelWriter(save_name) as write:
       items = data.items()
       for i, (name, dfs) in enumerate(items, 1):
           pd.concat(dfs).to_excel(write, name, index=False)
           yield f"保存进度：{i}/{len(items)}"

@Gooey(progress_regex=r"^..进度：(?P<current>\d+)/(?P<total>\d+)$",
      progress_expr="current / total * 100",
      timing_options={
          'show_time_remaining': False,
          'hide_time_remaining_on_complete': True,
      })
def main():
   parser = GooeyParser(description="多Excel多Sheet合并程序 - @小小明")
   parser.add_argument('path', help="被合并的Excel文件目录", widget="DirChooser")
   parser.add_argument('save_name', help="合并后保存的文件(以Excel文件形式保存)", widget="FileSaver")
   args = parser.parse_args()
   print("输入路径：", args.path)
   print("保存位置：", args.save_name)
   for msg in combine_excel(args.path, args.save_name):
       print(msg)
   print("合并完成！")

if __name__ == '__main__':
   main()

来源：https://xxmdmst.blog.csdn.net/article/details/118255314