Question

我在一个excel文件中有多个工作表，但我需要将它们合并到一个单独的excel工作表中，但要有一些条件。该行应以4开头，并且在发现空白行的任何地方都应在该处中断以显示特定的工作表，并且索引不应在那里存在。我尝试使用以下代码：

import pandas as pd
all_data = []
data = pd.ExcelFile(local_path)
sheets = data.sheet_names
for sheet in sheets:
    xl = data.parse(
    sheet,
    header=3,
    index_col=None,
    skiprows=None
     )
    all_data.append(xl)
pd.concat(all_data).to_csv(destination)

，但它也包含空白行之后的数据。请提出建议。

请查找示例数据框及其连接的数据框工作表1：
A B C
1 2 3
4 5 6

这不应该包括在内，在此空白行之前

工作表2：
A B C
7 8 9
10 11 12

这不应该包括在内，在此空白行之前

连接的数据框应如下所示：
A B C
1 2 3
4 5 6
7 8 9
10 11 12

Answer 1

据我所知，主要问题是如何在空白行上分割并仅保留数据帧的第一部分（因为连接代码似乎是正确的）。

因此，如果有一些空白行的excel文件，它将被读取为：

      A       B       C
0   1.0     2.0     3.0
1   4.0     5.0     6.0
2   NaN     NaN     NaN
3   10.0    11.0    12.0
4   13.0    14.0    15.0

-空行将转换为NaN（示例floats中有dataframe，而不是整数，因为它包含NaN，并且类型已更改为float）。可以根据条件“其中所有值均等于NaN的行进行拆分” 。

获取此类行的索引值：

nan_rows = df.index[df.isna().all(axis=1)]
nan_rows
Out:
Int64Index([2], dtype='int64')

具有该属性的第一行的数字索引为：

first_nan_row = nan_rows[0]

-2这种情况。注意，它应该是一个数字唯一索引。如果没有这种东西，请通过df = df.reset_index()添加它，然后再将其删除。

获得行号后，使用它通过iloc分割数据帧：

df_before_blank_line = df.iloc[:first_nan_row]
df_before_blank_line
Out:
            A           B           C
0         1.0         2.0         3.0
1         4.0         5.0         6.0

完整代码示例：

import pandas as pd

all_data = []
data = pd.ExcelFile(local_path)
sheets = data.sheet_names
for sheet in sheets:
    xl = data.parse(
        sheet,
        header=2,
        index_col=None,
        skiprows=None
    )
    nan_rows = xl.index[xl.isna().all(axis=1)]
    first_nan_row = nan_rows[0]
    xl = xl.iloc[:first_nan_row]  # drop the lines after blank line here
    xl['sheet_name'] = sheet  # I recommend to add a sheet name to distinguish sheets later
    all_data.append(xl)
pd.concat(all_data).to_csv(destination)

输出应如下所示：

            A           B           C sheet_name
0         1.0         2.0         3.0     Sheet1
1         4.0         5.0         6.0     Sheet1
0         1.0         2.0         3.0     Sheet2
1         4.0         5.0         6.0     Sheet2

最后一列是可选的（当然，您可以将其删除，也可以将列中的dtype更改为int-如果没有更多的NaN's）

希望有帮助

根据某些条件合并Excel工作表

1 个答案: