有没有办法将多张Excel文件输入为“csv”？

Question

我的任务是将公司的数据存储在数据库中，我正在使用 PostgreSQL。我正在使用 python 访问 PostgreSQL 并与之交互。到目前为止，我的问题是我有多个 Excel 数据集，这些数据集非常复杂且庞大，有多个工作表（即每个 Excel 文件最多 20 个工作表）。这些都是“xlsx”格式，我试图将它们以“csv”格式输入到数据库中的表中。我尝试使用 pandas 转换为 csv 并将每个 excel 文件转换为 csv 格式。但是，存在许多 NaN 值、添加了未命名的列，并且输出 csv 文件的列与其关联的数据行不相关。它变得非常混乱并且组织不正确。

关于如何使用具有多个工作表的 Excel 文件从“xlsx”转换为“csv”有什么想法吗？

谢谢！

我尝试使用 pandas 将 excel“xlsx”文件转换为“csv”文件。我得到了 csv 文件的输出，但是，打开它后，我看到添加了一个未命名的列、NaN 以及与正确关联的数据行不对应的列。总之，输出的 csv 文件非常混乱，并且不能正确描述原始 Excel 电子表格中包含的信息。

Answer 1

import pandas as pd

def convert_excel_to_csv(excel_file):
    xls = pd.ExcelFile(excel_file)
    for sheet_name in xls.sheet_names:
        df = pd.read_excel(xls, sheet_name)
        df = df.dropna(how='all')  # Handling NaN by dropping all row filled with NaN and if not all filled then replacing with empty string as per ask and removed Unnamed column
        df = df.fillna('')  
        df = df.loc[:, ~df.columns.str.contains('^Unnamed')]  
        csv_file = f"{excel_file}_{sheet_name}.csv"
        df.to_csv(csv_file, index=False)
        print(f"Created CSV for sheet: {sheet_name}")
path_to
convert_excel_to_csv('path_to_exccel.xlsx')

这将创建名为

excel_file_path_sheet_name

的文件

Answer 2

您使用下面的代码模式将 Excel 工作表中的数据加载到 Postgres 数据库，假设您的表已创建并且 Excel 工作表的架构与表的架构匹配

import pandas as pd
from sqlalchemy import create_engine

# Replace these with your PostgreSQL connection details
username = 'your_username'
password = 'your_password'
host = 'localhost'
port = '5432'
database = 'your_database'

# Path to your Excel file
excel_file = 'path_to_your_excel_file.xlsx'

# Create a SQLAlchemy engine
engine = create_engine(f'postgresql+psycopg2://{username}:{password}@{host}:{port}/{database}')

# Read the Excel file
xls = pd.ExcelFile(excel_file)

# Loop through each sheet
for sheet_name in xls.sheet_names:
# Read each sheet to a DataFrame
    df = pd.read_excel(xls, sheet_name)

    # Load DataFrame into PostgreSQL table, replace 'your_table_name' with your actual table name
    # The name of the table will be the same as the sheet name
    df.to_sql(sheet_name, engine, if_exists='replace', index=False)

print("Data loaded successfully.")