如何在Python中合并具有不同表列的多个Excel工作表？

Question

我有一些不同列的excel表格，如下所示：

表A:Col1 Col2 Col3

表B： Col2 Col4 Col5

表C： Col1 Col6 Col7

我的最终表格应该是：

最终表格：Col1 Col2 Col3 Col4 Col5 Col6 Col7

如果没有特定列的详细信息，则应保留为空。我一次只成功地合并了两个表，但我想将所有表合并在一起。

这是合并两张图纸的代码：

    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)

这是我编写的用于合并两张以上图纸的代码：

    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

您可以通过下面给定的示例代码来实现这一点。下面给出的代码将合并三个。包含指定列的xlsx文件。但是，如果您有三个以上的文件，并且有已知的列，您希望在这些列上合并这些多个表数据，那么您必须将这些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作为输入，并返回一个合并的数据集。您可以迭代excels文件列表并调用此函数以获得最终合并的数据集。

下面是示例代码：

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)

输出将是包含所有列的所有三个表的合并数据。希望，这可以帮助你解决你的问题。

Answer 2

两张纸的代码也不行，对吧？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

然后可以运行合并：

 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)