使用Python实现Excel文件的拆分与合并操作_Python

准备工作

在开始之前，需要安装几个必要的python库：

pandas：用于数据处理和分析
openpyxl：用于读写excel文件

可以通过以下命令安装这些库：

pip install pandas openpyxl

使用python拆分excel文件

拆分单个工作表

假设有一个包含多行数据的excel文件，需要将其拆分成多个较小的文件。以下是一个示例代码，演示如何将单个工作表按行拆分成多个文件。

import pandas as pd
 
def split_excel_by_rows(file_path, rows_per_file, output_prefix):
    # 读取excel文件
    df = pd.read_excel(file_path)
    
    # 计算总行数
    total_rows = len(df)
    
    # 计算需要拆分的文件数量
    num_files = (total_rows // rows_per_file) + (1 if total_rows % rows_per_file != 0 else 0)
    
    for i in range(num_files):
        start_row = i * rows_per_file
        end_row = (i + 1) * rows_per_file
        split_df = df.iloc[start_row:end_row]
        
        # 保存拆分后的文件
        output_file = f"{output_prefix}_{i+1}.xlsx"
        split_df.to_excel(output_file, index=false)
        print(f"文件 {output_file} 已保存")
 
# 示例使用
split_excel_by_rows('data.xlsx', 100, 'split_data')

拆分多个工作表

如果excel文件包含多个工作表，可以按工作表拆分文件。

import pandas as pd
 
def split_excel_by_sheets(file_path, output_prefix):
    # 读取excel文件
    xls = pd.excelfile(file_path)
    
    for sheet_name in xls.sheet_names:
        df = pd.read_excel(file_path, sheet_name=sheet_name)
        output_file = f"{output_prefix}_{sheet_name}.xlsx"
        df.to_excel(output_file, index=false)
        print(f"工作表 {sheet_name} 已拆分为文件 {output_file}")
 
# 示例使用
split_excel_by_sheets('data_with_sheets.xlsx', 'split_data')

使用python合并excel文件

合并多个工作表到一个文件

有时候，需要将多个excel文件合并成一个文件中的多个工作表。

以下是示例代码：

import pandas as pd
 
def merge_excels_to_sheets(file_list, output_file):
    with pd.excelwriter(output_file) as writer:
        for file in file_list:
            df = pd.read_excel(file)
            sheet_name = file.split('.')[0]
            df.to_excel(writer, sheet_name=sheet_name, index=false)
            print(f"文件 {file} 已合并到 {output_file} 的工作表 {sheet_name}")
 
# 示例使用
files_to_merge = ['data1.xlsx', 'data2.xlsx', 'data3.xlsx']
merge_excels_to_sheets(files_to_merge, 'merged_data.xlsx')

合并多个文件到一个工作表

另外一种常见需求是将多个excel文件的数据合并到一个文件的同一个工作表中。

import pandas as pd
 
def merge_excels_to_one_sheet(file_list, output_file):
    merged_df = pd.dataframe()
    
    for file in file_list:
        df = pd.read_excel(file)
        merged_df = pd.concat([merged_df, df], ignore_index=true)
        print(f"文件 {file} 的数据已合并")
    
    merged_df.to_excel(output_file, index=false)
    print(f"所有文件已合并到 {output_file}")
 
# 示例使用
files_to_merge = ['data1.xlsx', 'data2.xlsx', 'data3.xlsx']
merge_excels_to_one_sheet(files_to_merge, 'merged_data.xlsx')

综合示例：拆分并合并excel文件

假设需要先将一个大excel文件拆分为多个小文件，然后再将这些小文件合并成一个新的文件。

以下是实现这个过程的完整代码：

import pandas as pd
 
def split_excel_by_rows(file_path, rows_per_file, output_prefix):
    df = pd.read_excel(file_path)
    total_rows = len(df)
    num_files = (total_rows // rows_per_file) + (1 if total_rows % rows_per_file != 0 else 0)
    
    for i in range(num_files):
        start_row = i * rows_per_file
        end_row = (i + 1) * rows_per_file
        split_df = df.iloc[start_row:end_row]
        output_file = f"{output_prefix}_{i+1}.xlsx"
        split_df.to_excel(output_file, index=false)
        print(f"文件 {output_file} 已保存")
 
def merge_excels_to_one_sheet(file_list, output_file):
    merged_df = pd.dataframe()
    
    for file in file_list:
        df = pd.read_excel(file)
        merged_df = pd.concat([merged_df, df], ignore_index=true)
        print(f"文件 {file} 的数据已合并")
    
    merged_df.to_excel(output_file, index=false)
    print(f"所有文件已合并到 {output_file}")
 
# 示例使用
# 拆分大文件
split_excel_by_rows('data.xlsx', 100, 'split_data')
 
# 假设我们已经将文件拆分成了多个文件
split_files = ['split_data_1.xlsx', 'split_data_2.xlsx', 'split_data_3.xlsx']
 
# 合并拆分后的文件
merge_excels_to_one_sheet(split_files, 'final_merged_data.xlsx')

总结

本文详细介绍了如何使用python实现excel文件的拆分与合并操作。通过使用pandas和openpyxl库，我们可以方便地读取、处理和保存excel文件。文章展示了如何按行拆分单个工作表、按工作表拆分文件，以及将多个文件合并到一个文件中的多个工作表或同一个工作表中。具体示例包括将一个大excel文件按行拆分成多个较小文件，并将这些小文件合并成一个新的文件。通过这些示例，可以掌握在实际工作中高效处理excel文件的方法。这些技巧可以帮助大家简化数据处理流程，提高工作效率。

以上就是使用python实现excel文件的拆分与合并操作的详细内容，更多关于python excel拆分与合并的资料请关注代码网其它相关文章！