如何在 Python 中合并多个具有不同表格列的 Excel 工作表？

Question

我有一些不同列的excel表如下：

表 A：Col1 Col2 Col3

表 B：Col2 Col4 Col5

表 C：Col1 Col6 Col7

我的决赛桌应该是这样的：

表格决赛：Col1 Col2 Col3 Col4 Col5 Col6 Col7

如果没有特定列的详细信息，则应保持空白。我一次只成功合并了两个表，但我想将所有表合并在一起。

这是合并两张表的代码：

    import pandas as pd
    import numpy as np
    import glob
    df = pd.read_excel('C:/Users/Am/Downloads/sales-mar-2014.xlsx')
    status = pd.read_excel('C:/Users/Am/Downloads/customer-status.xlsx')
    all_data_st = pd.merge(df, status, how='outer') 
    all_data_st.to_excel('C:/Users/Am/Downloads/a1.xlsx',header=True)

这是我为合并两个以上工作表而编写的代码：

    import pandas as pd
    import numpy as np
    import glob
    all_data = pd.DataFrame()
    for f in glob.glob(‘C:/Users/Am/Downloads/*.xlsx’):
    all_data = all_data.merge(pd.read_excel(f), how='outer')
    writer = pd.ExcelWriter('merged.xlsx', engine='xlsxwriter')
    all_data.to_excel(writer,sheet_name='Sheet1')
    writer.save()

这是我得到的错误：

Traceback (most recent call last):
  File "E:/allfile.py", line 7, in <module>
    all_data = all_data.merge(pd.read_excel(f), how='outer')
  File "C:\Users\Am\AppData\Local\Programs\Python\Python37-32\lib\site-packages\pandas\core\frame.py", line 6868, in merge
    copy=copy, indicator=indicator, validate=validate)
  File "C:\Users\Am\AppData\Local\Programs\Python\Python37-32\lib\site-packages\pandas\core\reshape\merge.py", line 47, in merge
    validate=validate)
  File "C:\Users\Am\AppData\Local\Programs\Python\Python37-32\lib\site-packages\pandas\core\reshape\merge.py", line 524, in __init__
    self._validate_specification()
  File "C:\Users\Am\AppData\Local\Programs\Python\Python37-32\lib\site-packages\pandas\core\reshape\merge.py", line 1033, in _validate_specification
    lidx=self.left_index, ridx=self.right_index))
pandas.errors.MergeError: No common columns to perform merge on. Merge options: left_on=None, right_on=None, left_index=False, right_index=False

Answer 1

两张纸的代码也不起作用，对吧？该参数丢失，我建议将不同类型的 excel 工作表保存在一个新文件夹中，然后根据以下帮助为每种类型的 excel 工作表创建一个文件： Loading multiple csv files of a folder into one dataframe

然后你可以运行合并：

 all_data_st = pd.merge(A, B, how='outer', on='Col2')
 all_data_st = pd.merge(all_data_st, C, how='outer', on='Col1')

alternativ 尝试运行 concat：

all_data = pd.DataFrame()
for f in glob.glob(‘C:/Users/Am/Downloads/*.xlsx’):
  df = pd.read_excel(f)
  all_data = pd.concat([all_data,df], axis=0, ignore_index=True)

Answer 2

您可以通过下面给出的示例代码来做到这一点。下面给出的代码即将将三个 .xlsx 文件与您声明的列合并。但是，如果您拥有三个以上的文件并且具有要合并这些许多表数据的已知列，那么您必须将此代码放在一个函数中。此函数应将两个数据集和一个合并列名称作为输入，作为回报，它会为您提供一个合并数据集。您可以遍历 excels 文件列表并调用此函数以获取最终的合并数据集。

这里是示例代码：

import pandas as pd
data_A = pd.read_excel('a.xlsx')
data_B = pd.read_excel('b.xlsx')
data_C = pd.read_excel('c.xlsx')
print("File A Data:")
print(data_A)
print("File B Data:")
print(data_B)
print("File C Data:")
print(data_C)

data_AB = pd.merge(left=data_A, right=data_B, on='Col2', how='outer')
data_ABC = pd.merge(left=data_AB, right=data_C, on='Col1', how='outer')
print("Merged Data:")
print(data_ABC)

输出将是所有三个表的所有列的合并数据。 希望这可以帮助您解决问题。