将多个 excel 文件导入 python pandas 并将它们连接到一个数据帧中

Question

我想将目录中的几个 Excel 文件读取到 pandas 中，并将它们连接到一个大数据框中。但我还没能弄清楚。我需要一些有关 for 循环和构建串联数据框的帮助： 这是我到目前为止所拥有的：

import sys
import csv
import glob
import pandas as pd

# get data file names
path =r'C:\DRO\DCL_rawdata_files\excelfiles'
filenames = glob.glob(path + "/*.xlsx")

dfs = []

for df in dfs: 
    xl_file = pd.ExcelFile(filenames)
    df=xl_file.parse('Sheet1')
    dfs.concat(df, ignore_index=True)

Answer 1

正如评论中提到的，您犯的一个错误是循环遍历一个空列表。

以下是我的做法，使用具有 5 个相同的 Excel 文件并依次附加的示例。

(1) 进口：

import os
import pandas as pd

(2) 列出文件：

path = os.getcwd()
files = os.listdir(path)
files

输出：

['.DS_Store',
 '.ipynb_checkpoints',
 '.localized',
 'Screen Shot 2013-12-28 at 7.15.45 PM.png',
 'test1 2.xls',
 'test1 3.xls',
 'test1 4.xls',
 'test1 5.xls',
 'test1.xls',
 'Untitled0.ipynb',
 'Werewolf Modelling',
 '~$Random Numbers.xlsx']

(3) 选取“xls”文件：

files_xls = [f for f in files if f[-3:] == 'xls']
files_xls

输出：

['test1 2.xls', 'test1 3.xls', 'test1 4.xls', 'test1 5.xls', 'test1.xls']

(4) 初始化空数据框：

df = pd.DataFrame()

(5) 循环文件列表以附加到空数据帧：

for f in files_xls:
    data = pd.read_excel(f, 'Sheet1')
    df = df.append(data)

(6) 享受您的新数据框。 :-)

df

输出：

  Result  Sample
0      a       1
1      b       2
2      c       3
3      d       4
4      e       5
5      f       6
6      g       7
7      h       8
8      i       9
9      j      10
0      a       1
1      b       2
2      c       3
3      d       4
4      e       5
5      f       6
6      g       7
7      h       8
8      i       9
9      j      10
0      a       1
1      b       2
2      c       3
3      d       4
4      e       5
5      f       6
6      g       7
7      h       8
8      i       9
9      j      10
0      a       1
1      b       2
2      c       3
3      d       4
4      e       5
5      f       6
6      g       7
7      h       8
8      i       9
9      j      10
0      a       1
1      b       2
2      c       3
3      d       4
4      e       5
5      f       6
6      g       7
7      h       8
8      i       9
9      j      10

Answer 2

这适用于 python 2.x

位于 Excel 文件所在目录中

参见 http://pbpython.com/excel-file-combine.html

import numpy as np
import pandas as pd
import glob
all_data = pd.DataFrame()
for f in glob.glob("*.xlsx"):
    df = pd.read_excel(f)
    all_data = all_data.append(df,ignore_index=True)

# now save the data frame
writer = pd.ExcelWriter('output.xlsx')
all_data.to_excel(writer,'sheet1')
writer.save()    

Answer 3

您可以在

concat

中使用列表理解：

import os
import pandas as pd

path = '/path/to/directory/'
filenames = [file for file in os.listdir(path) if file.endswith('.xlsx')]

df = pd.concat([pd.read_excel(path + file) for file in filenames], ignore_index=True)

使用

ignore_index = True

，

df

的索引将标记为 0, …, n - 1。

Answer 4

有一种更简洁的方法可以做到这一点。

# import libraries
import glob
import pandas as pd

# get the absolute path of all Excel files 
all_excel_files = glob.glob("/path/to/Excel/files/*.xlsx")

# read all Excel files at once
df = pd.concat(pd.read_excel(excel_file) for excel_file in all_excel_files)

Answer 5

这可以通过以下方式完成：

import pandas as pd
import glob

all_data = pd.DataFrame()
for f in glob.glob("/path/to/directory/*.xlsx"):
    df = pd.read_excel(f)
    all_data = all_data.append(df,ignore_index=True)

all_data.to_csv("new_combined_file.csv")  

Answer 6

#快捷方式

import pandas as pd 
from glob import glob

dfs=[]
for f in glob("data/*.xlsx"):
    dfs.append(pd.read_excel(f))
df=pd.concat(dfs, ignore_index=True)

Answer 7

谢谢您在这里的回答。

我也有类似的情况。

我有大约 5000 个 Excel 文件，这些文件按每月、每年分组到文件夹中。

如何使用 Python 访问每个文件夹中的 Excel 文件，而不需要从每个文件夹中取出每个 Excel 并将其转储到一个文件夹中。

谢谢！

Answer 8

import pandas as pd

import os

os.chdir('...')

#read first file for column names

fdf= pd.read_excel("first_file.xlsx", sheet_name="sheet_name")

#create counter to segregate the different file's data

fdf["counter"]=1

nm= list(fdf)

c=2

#read first 1000 files

for i in os.listdir():

  print(c)

  if c<1001:

    if "xlsx" in i:

      df= pd.read_excel(i, sheet_name="sheet_name")

      df["counter"]=c

      if list(df)==nm:

        fdf=fdf.append(df)

        c+=1

      else:

        print("headers name not match")

    else:

      print("not xlsx")


fdf=fdf.reset_index(drop=True)

#relax

Answer 9

import pandas as pd
import os

files = [file for file in os.listdir('./Salesfolder')]
all_month_sales= pd.DataFrame()
for file in files
    df= pd.read_csv("./Salesfolder/"+file)
    all_months_data=pd.concat([all_months_sales,df])
all_months_data.to_csv("all_data.csv",index=False)

您可以从文件夹（在我的例子中为 Salesfolder）中读取所有 .xls 文件，对于本地路径也是如此。使用迭代，您可以将它们放入空数据框中，并且可以将数据框连接到此。我还将所有月份的数据导出到另一个 csv 到一个 csv 文件中