表頭名字怎麼正式

此係列文章收錄在公眾號中：資料大宇宙 > 資料處理 >E-pd

經常聽別人說 Python 在資料領域有多厲害，結果學了很長時間，連資料處理都麻煩得要死。後來才發現，原來不是 Python 資料處理厲害，而是他有資料分析神器—— pandas

前言

本系列上一節說了拆分資料的案例，這次自然是說下怎麼合併資料。

隨著需求複雜度提高，很多時候已經不能用 excel 自帶功能實現了，不過 pandas 中許多概念與 excel 不謀而合

案例1

公司的銷售系統功能不全，匯出資料時只能把各個部門獨立一個Excel檔案，此時你需要對整體資料做分析，最好的方式當然是先把各個檔案統一彙總起來：

注意看，雖然每個表的標題一樣，但是他們的順序可能出現不一致

這裡有3個關鍵點：

如何獲得一個資料夾中所有檔案的路徑

載入 Excel 檔案資料

列標題對齊的情況下，多個數據合併

這次我們需要用到3個包：

pandas 不用多說

from pathlib import Path ，用於獲取資料夾中檔案的路徑

openpyxl 用於讀取 Excel 檔案所有的工作表

我們來看看如何用pandas完成需求：

Path（‘案例1’）。glob（‘*。xlsx’） ，獲得指定資料夾（案例1）中的所有 Excel 檔案路徑

pd。read_excel（f） ，載入 Excel 資料

pd。concat（dfs） ，合併多個數據，pandas 自動進行索引對齊

關於 pathlib 的知識點，請關注公眾號的入門必備系列文章

上面是普通的寫法，這場景我傾向於使用推導式：

推導式內容，請看 資料大宇宙 > Python入門必備 > 必備知識 > 細講Python推導式

案例2

有時候，表格中沒有必要的資訊，如下：

這次表格中沒有部門列，部門的資訊只能在檔名字中獲取

df［‘部門’］ = f。stem ，pandas 中新增一列值是非常容易。f。stem 是不帶字尾的檔名字

為什麼上面不用推導式呢？因為推導式只適合一行連續呼叫的寫法，當然這裡還是可以使用推導式實現的：

DataFrame。assign（部門=f。stem） 是一個新增列並且返回修改後的資料的方法，特別適合這種場景下使用

各種建立或移除行列資料的應用，請留意專欄文章

案例3

實際工作中還有更麻煩的情況，比如一個部門檔案中又按性別劃分了不同的工作表：

也就是說，透過檔名字獲得部門名字，透過工作表名字獲得性別資訊

其實，道理與案例2是一樣的，只要知道怎麼獲取一個Excel檔案的工作表名字，問題即可迎刃而解：

openpyxl。load_workbook（f）。worksheets ，利用 openpyxl 包，讀取檔案的所有工作表名字

。assign（部門=f。stem，性別=wk。title） ，wk。title 即使工作表名字

總結

pathlib 包中的類 Path 是個處理檔案路徑的好東西

Path 的 方法 glob（‘*。xlsx’） ，即可獲取一個目錄下所有的 Excel 檔案

pd。concat ，合併多個 DataFrame，並且能夠自動對齊表頭

當需要往 DataFrame 新增新列時，可以考慮使用 assign

openpyxl。load_workbook（f）。worksheets ，獲取 Excel 檔案的工作表物件。其中的 title 屬性，即是工作表名字

如果希望從零開始學習 pandas ，那麼可以看看我的 pandas 專欄。