Question

我有大约50个excel文件＆amp;我想导入到dataframe并将所有文件合并到单个数据帧中。但有些文件有3个，有些是4列。每个文件都以不同的顺序排列为不同的列。

所有文件中的不同列总数：5，即col1，col2，col3，col4，col5

我知道如何导入，但在面临问题的时候。

脚本：

dfAll = pd.DataFrame(columns=['col1', 'col2', 'col3', 'col4', 'col5')]
df= pd.read_excel('FilePath', sheetname='data1') # contains 3 columns i.e col1, col2, col5
columnsOFdf = df.columns
dfAll[columnsOFdf] = dfAll.append(df)

但它的给定错误＆＃34; ValueError：列的长度必须与键的长度相同＆＃34;

我想将 df [＆＃39; col1＆＃39;，＆＃39; col2＆＃39;，＆＃39; col5＆＃39;] 数据附加到 dfAll [ ＆＃39; COL1＆＃39;＆＃39; COL2＆＃39;＆＃39; COL5＆＃39;]

请帮助解决这个问题。

Answer 1

连接将匹配您的列

dfs = []
files = [...]
for file_name in files:
    dfs.append(pd.read_excel(file_name, sheetname='data1'))
df = pd.concat(dfs)

df1 = pd.DataFrame(np.random.randn(3, 3), columns=list('ABC'))
df2 = pd.DataFrame(np.random.randn(3, 3), columns=list('BCD'))
>>> pd.concat([df1, df2])
          A         B         C         D
0 -2.329280  0.644155 -0.835137       NaN
1  0.666496 -1.299048  0.111579       NaN
2  1.855494 -0.085850 -0.541890       NaN
0       NaN -1.131514  1.023610 -0.514384
1       NaN  0.670063  1.403143 -0.978611
2       NaN -0.314741 -0.727200 -0.620511

此外，每次将数据框附加到现有数据框时，都会返回副本。这将严重降低性能并被称为二次复制。您最好创建所有数据帧的列表，然后连接结果。

Answer 2

试试这个：

[dfAll.append(i) for i in df]

我希望这对你有所帮助。

Answer 3

一种解决方案是将空列添加到从Excel文件加载的数据框中：

columns = ['col1', 'col2', 'col3', 'col4', 'col5']
dfAll = pd.DataFrame(columns=columns)
df= pd.read_excel('FilePath', sheetname='data1') # contains 3 columns i.e             col1, col2, col5
columnsOFdf = df.columns
for column in columns:
    if column not in columnsOFdf:
        df[column] = [""] * df.shape[0]
dfAll.append(df)

匹配列并附加到数据框，Python 3.6

3 个答案: