pandas对每十行做批量操作_pandas批量处理同类型文件

在平时工作中，我们的很多任务基本都是重复的操作过程，比如平时相同类型Excel表格的处理过程。我们现在做一个假想，如果有一个类型这样的表格，我们直接手动处理就很快了，那么如果同样的还是只有一个这样的文件，但是这个文件下有多个不同的Sheet，每个Sheet里面的内容格式又是相同的，这样我们就得一步一步的合并表格数据了，我们继续深入，如果有很多个这样的文件，而每个文件下面又有很多个Sheet，那么我们合并表格过程是不是异常的复杂，还容易漏掉，这个时候我们就要想着用代码的思路处理这些文件，可以极大的加大做事效率。恰好，python的pandas库提供了我们一个简单的方法，接下来，我将以实际案例来告诉大家怎么做这个过程。我们的思路就是①将一个文件下的多个Sheet合并到一起②将多个文件的多个不同Sheet表合并成一个文件③批量处理合并好的文件。

①将一个文件下的多个Sheet合并到一起

如上图我们在一个文件夹中有4个文件，这些文件的类型相同，即里面的字段相同，然后每个文件下面又有几个不同的Sheet。然后我们的目标便是把几个不同的Sheet文件合并到一起，然后再批量处理。那么我们先实现读取任意一个文件，然后把这个文件的所有Sheet内容合并到一起。

我就拿1.xlsx这个文件为例子，具体代码实现如下：

import pandas as pd

# 创建空表格 用于存储

ov_xlsx = pd.DataFrame()

# 读取文件

data_xls = pd.ExcelFile('C:/Users/Administrator/Desktop/待处理数据/1.xlsx')

# 获取文件下对应的sheet名

print(data_xls.sheet_names)

# 遍历获取的sheet名，然后读取每个sheet

for name in data_xls.sheet_names:

df = pd.read_excel('C:/Users/Administrator/Desktop/待处理数据/1.xlsx', name, index=False,dtype=object)

# 将每次读取的文件内容都加入到ov_xlsx这个新表里

ov_xlsx = ov_xlsx.append(df, ignore_index=True)

#保存数据到指定的位置