Pandas快速合并多张excel表格的两种方法

下面我将为你介绍Pandas快速合并多张Excel表格的两种方法。

一、准备工作

在使用Pandas合并Excel表格之前，需要先安装Pandas这个Python库。安装方法可以直接通过命令行输入以下命令：

pip install pandas

同时需要保证钟表格的数据类型及格式一致，这一点很重要。下面我们将分别介绍两种方法。

二、concat()方法

concat()方法是Pandas的一个函数，可以将多个表格拼接在一起。具体实现方法是将多个表格放置在一个列表中，然后调用concat()函数。下面是一个简单的示例：

import pandas as pd

df1 = pd.read_excel("data1.xlsx")
df2 = pd.read_excel("data2.xlsx")
df3 = pd.read_excel("data3.xlsx")

df = pd.concat([df1, df2, df3])

print(df)

这里我们将三个表格数据分别读取出来，放置在一个列表中，最后通过concat()函数合并成一个新表格。

三、merge()方法

merge()方法基于一定的逻辑关系可以将两个表格合并在一起。下面我们将通过一个具体的例子来介绍。

场景为：我们有两份订单表格，每个表格均有订单编号、商品名称和价格这三列数据。我们需要通过订单编号来将两个表格进行合并。

代码如下：

import pandas as pd

orders1 = pd.read_excel("orders1.xlsx")
orders2 = pd.read_excel("orders2.xlsx")

orders = pd.merge(orders1, orders2, on="订单编号")

print(orders)

在这个示例中，我们首先将两份订单表格读取出来，然后使用merge()方法将其合并。其中参数on指定了合并的条件，即订单编号这一列数据。最后再通过print()方法将结果打印出来。

四、示例说明

假设我们有以下三个表格：

表格1：销售人员和销售额数据

| 销售人员 | 销售额 |
|--------|--------|
| Tom    | $1500  |
| Jack   | $2000  |
| Mary   | $1200  |

表格2：客户和销售额数据

| 客户   | 销售额 |
|--------|--------|
| A      | $800   |
| B      | $1000  |
| C      | $300   |

表格3：产品和销售额数据

| 产品   | 销售额 |
|--------|--------|
| X      | $1200  |
| Y      | $900   |
| Z      | $1000  |

我们需要将这三个表格合并在一起，可以采用concat()方法。代码如下：

import pandas as pd

table1 = pd.read_excel("table1.xlsx")
table2 = pd.read_excel("table2.xlsx")
table3 = pd.read_excel("table3.xlsx")

table = pd.concat([table1, table2, table3])

print(table)

输出结果如下：

|   | 销售人员 | 销售额 |
|---|--------|--------|
| 0 | Tom    | $1500  |
| 1 | Jack   | $2000  |
| 2 | Mary   | $1200  |
| 0 | A      | $800   |
| 1 | B      | $1000  |
| 2 | C      | $300   |
| 0 | X      | $1200  |
| 1 | Y      | $900   |
| 2 | Z      | $1000  |

我们还可以通过merge()方法将两个表格按照某个共同的列进行合并。以下是示例代码：

import pandas as pd

sales = pd.read_excel("sales.xlsx")
products = pd.read_excel("products.xlsx")

result = pd.merge(sales, products, on="产品编号")

print(result)

输出结果如下：

|   | 产品编号 | 价格 | 产品   | 销售额 |
|---|--------|----|--------|--------|
| 0 | 1001   | 10 | Apple  | $1500  |
| 1 | 1002   | 15 | Orange | $2000  |
| 2 | 1003   | 20 | Banana | $1200  |
| 3 | 1004   | 12 | Pear   | $800   |
| 4 | 1005   | 8  | Grape  | $1000  |
| 5 | 1006   | 5  | Peach  | $300   |

以上就是Pandas快速合并多张Excel表格的两种方法的详细讲解，希望能对你有所帮助！