前言:
当前姐妹们对“python将相同数据的行合并”大约比较关注,我们都需要了解一些“python将相同数据的行合并”的相关资讯。那么小编同时在网络上网罗了一些关于“python将相同数据的行合并””的相关文章,希望各位老铁们能喜欢,姐妹们快快来学习一下吧!在日常数据分析的业务场景下,我们经常会遇到以下难题:
如何批量导入不同工作簿不同Sheet表下的数据?如何将这些不同Sheet表下的数据合并为一个数据?如何将合并的数据导入数据库?
本文构造一组数据,批量合并后导入数据库保存,下面一起来学习。
本文使用工具:Python 3.7.0
本文使用的模块:pandas、os、pymysql
适用范围:数据批量导入与合并,数据库留存
批量数据导入并合并
首先构建10个工作簿,每个工作簿下面有三个Sheet表。
每一个分别Sheet表包含ID、number、sale三个字段。
导入相关的库,在数据批量导入及合并的时候,使用到pandas和os两个库。
#导入相关的库import pandas as pdimport os
这里介绍一下os.listdir命令,他可以将一个数据文件内的所有文件名都读取出来,如下图就是读取的文件名,包含那十个工作簿。
os.listdir(r'C:\Users\尚天强\Desktop\测试数据')
使用read_excel命令读取一个Excel文件。
df = pd.read_excel(r'C:\Users\尚天强\Desktop\测试数据\测试数据1.xlsx')df.head()
首先构建一个空的列表,里面没有任何数值,同时,在开始部分就定义数据的导入路径、导出路径、以及保存的文件名。
import pandas as pdimport os#构建一个空的列表dfs = []read_path=r'C:\Users\尚天强\Desktop\测试数据'save_path=r'C:\Users\尚天强\Desktop'save_name='out_table.xlsx'
接下来是循环遍历每一个文件的名称,并且遍历的文件名不能为保存的文件名,sheet_name=None表示读取每一个Sheet表下的数据,skiprows=1,header=None取消标题,跳过第一行,只保留数据内容,使用extend命令将遍历的这些数据内容上下拼接起来。
for fname in os.listdir(read_path): if fname.endswith(".xlsx") and fname !=save_name: df = pd.read_excel(read_path+"\\"+fname,skiprows=1,header=None,sheet_name=None) dfs.extend(df.values())
使用concat命令将每一个工作簿的数据拼接起来。
#合并result = pd.concat(dfs)
在导出数据的时候,使用header命令给表格加一个标题,批量导入数据并合并的结果如下所示。
#导出数据result.to_excel(save_path+"\\"+save_name,index=False,header=['id','number','sale'])
使用第一种方法合并数据,发现有重复值,可以使用drop_duplicates参数去除重复值,使用sort_values参数进行排序,去除重复值并且排序的数据结果如下所示。
import pandas as pdimport osdfs = []read_path=r'C:\Users\尚天强\Desktop\测试数据'save_path=r'C:\Users\尚天强\Desktop'save_name='out_table.xlsx'for fname in os.listdir(read_path): if fname.endswith(".xlsx") and fname !=save_name: df = pd.read_excel(read_path+"\\"+fname,skiprows=1,header=None,sheet_name=None,names=['id','number','sale']) #这里需要用names函数命名,不然没法去重和排序 dfs.extend(df.values())#合并result = pd.concat(dfs)#根据ID去除重复值result.drop_duplicates(subset='id',keep='first',inplace=True)#降序排列result.sort_values(by='sale',ascending=False,inplace=True)#导出数据result.to_excel(save_path+"\\"+save_name,index=False,header=['id','number','sale'])数据导入数据库
将数据导入数据库,这里还是使用上面的数据文件,连接数据库使用的模块为pymysql。
#读入数据data = pd.read_csv(r'C:\Users\尚天强\Desktop\out_table.csv',engine='python')data.head()
#导入需要使用到的数据模块import pandas as pdimport pymysql
数据库连接,host为数据库地址、user为用户名、password为密码、db为数据库的名字、port为端口,默认为3306。
# 建立数据库连接con = pymysql.connect(host='127.0.0.1', user='root', password='123456', db='demo', port=3306)
获取游标对象。
# 获取游标对象cursor = con.cursor()
用数据库demo,'USE demo' 也是数据库内的SQL语言。
#使用数据库democursor.execute('USE demo')
构造一个test表,包含ID、number、sale三个字段。
cursor.execute('create table if not exists test ( ID char(4) primary key, number int, sale float)' )
向表test表内插入数据。
#插入数据语句query = "insert into test(ID,number,sale)values (%s,%s,%s)"
迭代读取每行数据,转化数据类型,将其保存在values内。
#迭代读取每行数据,values中元素有个类型的强制转换,否则会出错for r in range(0, len(data)): ID = data.iloc[r,0] number = data.iloc[r,1] sale = data.iloc[r,2] values = (str(ID),int(number),float(sale)) cursor.execute(query, values)
关闭游标,提交,关闭数据库连接。
#关闭游标,提交,关闭数据库连接,如果没有这些关闭操作,执行后在数据库中查看不到数据cursor.close()con.commit()con.close()打印数据
# 建立数据库连接con = pymysql.connect(host='127.0.0.1', user='root', password='123456', db='demo', port=3306)
# 获取游标对象cursor = con.cursor()
首先执行SQL命令,'select * from test'表示查询test表内的所有数据,循环遍历数值,将它打印出来。
#查询数据库并打印内容cursor.execute('select * from test')result = cursor.fetchall()for values in result: print(values)
打印出来的结果可以看到,第一列是字符串,第二列是整型,第三列是浮点型。
#关闭cursor.close()con.commit()con.close()
导入数据库后的结果如下所示:
标签: #python将相同数据的行合并