将多个Excel工作表合并到一个Pandas数据帧中

简介

最常用的pandas函数之一是read_excel。本文展示了如何读入一个Excel工作簿中的所有选项卡，并使用一条命令将它们合并到一个pandas数据帧中。

对于那些想要TLDR（太长不读）的人来说，以下是该命令:

请继续阅读，了解何时使用此功能以及它是如何工作的。

Excel工作表

在本例中，我们假设Excel工作簿的结构如下:

我将描述的过程适用于以下情况:

数据不能进行跨选项卡复制(工作表1是一个完整的月，后面的工作表总共只有一个月的数据)

所有列的名称都是相同的

您希望读入所有选项卡并合并它们

理解read_excel

read_excel函数是一个全能的pandas函数。对于这种特定情况，我们可以使用sheet_name参数来简化我们Excel文件中所有工作表的读入。

大多数情况下，您会从一个Excel文件中读入一个特定的工作表:

如果仔细查看文档，您可能会注意到，如果您使用sheet_name=None，您就可以一次读取工作簿中的所有工作表。让我们试一下:

Pandas将读入所有的工作表并返回一个collections.OrderedDict对象。为了提高本文的可读性，我定义了完整的url并将其传递给read_excel。在实践中，您可能会决定使用这个命令。

让我们检查生成的all_dfs:

如果您想将一个单个的工作表作为一个数据帧来访问：

如果我们想将所有单独的数据帧组合到一个数据帧中，我们就使用pd.concat:

在这种情况下，我们将使用ignore_index，因为自动生成的Sheet1、Sheet2等索引是没有意义的。

如果您的数据符合上面列出的结构，这一行程序将返回一个pandas数据帧，它合并了每个Excel工作表中的数据:

总结

这个技巧在合适的情况下是有用的。它还说明了“仅”读入一个Excel文件的pandas命令的功能有多强大。如果您想亲自尝试一下，您可以在github上找到完整的notebook。

英文原文：https://pbpython.com/pandas-excel-tabs.html

译者：野生大熊猫