Question

我有一个超过100张的Excel文件。我需要导入熊猫并创建一个数据框。问题是某些列标题包含空格，因此我得到了包含一些重复列的数据框。

是否可以在OrderedDict的列中去除空格？我知道我可以在数据框中使用str.strip()，但找不到OrderedDict的任何内容。

我在excel中具有以下结构：

sheet TEST:
   'ID1' 'ID2'  'ID3'  'ID4'
1   A     2016   val    val 
2   B     2017   val    val
3   C     2018   val    val

sheet TEST2:
   'ID1' 'ID2'  'ID3 ' 'ID4'
1   A     2016   val    val 
2   B     2017   val    val
3   C     2018   val    val

sheet TEST3:
   'ID1' 'ID2'  'ID3' 'ID4 '
1   A     2016   val    val 
2   B     2017   val    val
3   C     2018   val    val

目前，我执行以下操作：

df = pd.read_excel (File location, sheet_name = ['TEST', 'TEST2', 'TEST3'])

df = pd.concat(df, axis=0, sort=False)
df = df.reset_index()

这就是我得到的：

   'ID1'  'ID2'  'ID3'  'ID4' 'ID3 ' 'ID4 '
1   A     2016    val    val   NaN    NaN
2   B     2017    val    val   NaN    NaN
3   C     2018    val    val   NaN    NaN
4   A     2016    NaN    val   val    NaN
5   B     2017    NaN    val   val    NaN
6   C     2018    NaN    val   val    NaN
7   A     2016    val    NaN   NaN    val
8   B     2017    val    NaN   NaN    val
9   C     2018    val    NaN   NaN    val

这就是我需要的：

   'ID1'  'ID2'  'ID3'  'ID4' 
1   A     2016    val    val   
2   B     2017    val    val   
3   C     2018    val    val   
4   A     2016    val    val   
5   B     2017    val    val   
6   C     2018    val    val   
7   A     2016    val    val   
8   B     2017    val    val   
9   C     2018    val    val

非常感谢

Answer 1

如果您正在阅读多个工作表，并且工作簿很大，则more efficient使用pd.ExcelFile创建一个ExcelFile对象，然后分别访问工作表。这也使列名的格式非常简单：

import pandas as pd

xls = pd.ExcelFile(filepath)

dfs = []
for sheet in xls.sheet_names:
    df = pd.read_excel(xls, sheet)
    df.columns = df.columns.str.strip()
    dfs.append(df)

df = pd.concat(dfs)

Answer 2

只需单独定义即可，以使其更容易：

df1 = pd.read_excel (File location TEST, sheet_name = 'TEST')
df2 = pd.read_excel (File location TEST2, sheet_name = 'TEST2')
df3 = pd.read_excel (File location TEST3, sheet_name = 'TEST3')

然后像这样连接它：

df = pd.concat([df1,df2,df3], axis=0)
df = df.reset_index()

希望它会有所帮助：）

编辑：如果要通过循环应用它，只需执行以下操作：假设您有150张纸，并且您的纸名可以重复使用，例如“ TEST”，“ TEST2”，“ TEST3” ..“ TEST150”

listdf = []
name=""
for x in range(150):
    if x==0: name = "TEST"
    elif x>0: name= "TEST" + str(x+1)
    df = pd.read_excel (File location TEST, sheet_name = name)
    listdf.append(df)

newbigdf = pd.concat(listdf, axis=0)

熊猫OrderedDict条形空间read_excel

2 个答案: