作为一名数据分析师，日报，周报，月报是少不了的，经常在整理周报或者月报的时候，需要将这周的数据或者该月的数据进行一个汇总，常规地做法是将每一天的数据进行重复地复制、粘贴。
显然，上面的方式不可取，会加重我们数据整理工作，有没有一种简便的方法？仅需鼠标点一点，即可完成数据合并，本文介绍Python数据合并、图形界面开发和Python打包，可解决上述问题。
示例工具：anconda3.7
本文讲解内容：图形界面开发，Python打包
适用范围：使用交互式命令一键批量数据合并
Python数据合并
如下我们有个需求，就是将四个季度的销售明细合并在一张表里，本文开发的小工具也是在解决数据批量数据合并的问题。
常规情况下，导入一个Excel数据，使用pd.read_excel命令即可，如下我们导入了其中销售明细第1季度的数据。
import pandas as pd df=pd.read_excel(r'D:\系统桌面(勿删)\Desktop\订单销售数据\销售明细第1季度.xlsx') df.head()
那么如何导入一个文件夹下所有的Excel数据呢？这里使用os.listdir()命令可以返回该文件夹下的文件目录，返回结果如下。
import os new_path=r'D:\系统桌面(勿删)\Desktop\订单销售数据' listdir=os.listdir(new_path) listdir
['销售明细第1季度.xlsx', '销售明细第2季度.xlsx', '销售明细第3季度.xlsx', '销售明细第4季度.xlsx']
这样我们就有了一个思路，首先导入第一个Excel表，然后使用for循环遍历文件目录，使用pd.concat命令将同一个文件夹内的多个Excel表进行合并。
import pandas as pd import os new_path=r'D:\系统桌面(勿删)\Desktop\订单销售数据' listdir=os.listdir(new_path) df=pd.read_excel(new_path+'\\'+ listdir[0])#导入第一个数据表 for filename in listdir[1:]: dfi=pd.read_excel(new_path+'\\'+ filename) #导入除第一个数据表外其他数据表 df=pd.concat([df,dfi],sort=False) #数据纵向合并 df.to_excel(new_path+'\\'+'数据合并.xlsx',index=False)
如下即为表格批量合并后的结果。
我们将上面的代码定义为一个combine函数，只要每次导入path的文件夹路径，即可将数据合并。
import pandas as pd import os def combine(path): new_path=path listdir=os.listdir(new_path) df=pd.read_excel(new_path+'\\'+ listdir[0])#导入第一个数据表 for filename in listdir[1:]: dfi=pd.read_excel(new_path+'\\'+ filename) #导入除第一个数据表外其他数据表 df=pd.concat([df,dfi],sort=False) #数据纵向合并 df.to_excel(new_path+'\\'+'数据合并.xlsx',index=False)
Python图形界面开发
为了将代码的运行过程增加交互式操作，这里使用PySimpleGUI库开发一个图形界面，其中，layout用于自定义窗口布局，window用于定义整体的窗口界面，while True: 循环运行，当满足特定的"事件"时，则返回具体的"值"，从而实现人机交互功能。
import PySimpleGUI as sg #自定义窗口布局，一共是两行，第一行用于查找需要合并Excel的文件目录，第二行点击开始合并按钮进行合并 layout = [[sg.Text("请选择Excel文件所在目录："),sg.Input(size=(25, 1), enable_events=True, key="文件路径"),sg.FolderBrowse(button_text="浏览文件"),], [sg.Button('开始合并', enable_events=True, key="开始"),] ] window = sg.Window('批量数据合并：By大话数据分析', layout)#定义窗口 while True: event, values = window.read() if event in (None,): break #关闭用户界面 elif event == "开始": if values["文件路径"]: print(values["文件路径"]) sg.popup('数据合并已完毕！') else: sg.popup('请先输入Excel文件所在的路径！') window.close()
如下将人机交互功能开发完毕，点击浏览文件，找到需要批量合并文件的文件夹目录，点击开始合并，即可输出结果，其中，values["文件路径"]输入的是需要合并Excel数据的文件路径，print打印出来的就是需要合并Excel数据的文件路径。
至此，Python图形界面开发完毕，之前定义了combine函数，当满足特定事件和值时，执行combine(values["文件路径"])命令，即可使用交互式命令，完成数据表合并。
import pandas as pd import os def combine(path): new_path=path listdir=os.listdir(new_path) df=pd.read_excel(new_path+'\\'+ listdir[0])#导入第一个数据表 for filename in listdir[1:]: dfi=pd.read_excel(new_path+'\\'+ filename) #导入除第一个数据表外其他数据表 df=pd.concat([df,dfi],sort=False) #数据纵向合并 df.to_excel(new_path+'\\'+'数据合并.xlsx',index=False) import PySimpleGUI as sg #自定义窗口布局，一共是两行，第一行用于查找需要合并Excel的文件目录，第二行点击开始合并按钮进行合并 layout = [[sg.Text("请选择Excel文件所在目录："),sg.Input(size=(25, 1), enable_events=True, key="文件路径"),sg.FolderBrowse(button_text="浏览文件"),], [sg.Button('开始合并', enable_events=True, key="开始"),] ] window = sg.Window('批量数据合并：By大话数据分析', layout)#定义窗口 while True: event, values = window.read() if event in (None,): break #关闭用户界面 elif event == "开始": if values["文件路径"]: combine(values["文件路径"]) sg.popup('数据合并已完毕！') else: sg.popup('请先输入Excel文件所在的路径！') window.close()
Python程序打包
交互式的命令开发完毕，如何分享给别人使用？或者是别人的电脑上没有安装Python也能正常使用数据合并功能？这里给大家介绍Python程序打包，使用虚拟环境进行打包，在命令行输入如下命令下载pipenv包。
#使用虚拟环境压缩 pip install pipenv -i https://pypi.tuna.tsinghua.edu.cn/simple
使用快捷键Win+R键，然后输入CMD，输入pipenv shell命令，进入虚拟环境，没有虚拟环境的话会自动建立一个。
#Win+R输入CMD，进入虚拟环境，没有虚拟环境的话会自动建立一个 pipenv shell
由于Python打包会将电脑安装的Python包全部打包，这里我们在虚拟环境中只安装Python程序涉及的模块，这样会减少打包的体积，注意xlrd==1.2.0下载低版本的包，默认安装的是高版本的，安装高版本的包在程序使用中会报错。
#只安装Python程序涉及的模块 pip install pandas xlrd==1.2.0 id-validator PySimpleGUI pyinstaller -i https://pypi.tuna.tsinghua.edu.cn/simple
将带有交互式命令的数据合并代码导出为.py文件，在命令行输入如下的打包命令，指定具体的路径即可打包。
#进行打包 pyinstaller -F -w C:\Desktop\combine.py
稍等几分钟，在Python的工作目录下看到一个dist文件，如果不知道自己的Python工作目录，可使用os.getcwd()命令查看。
该dist文件包含一个combine.exe程序。
双击combine.exe程序，在图形交互界面导入具体的文件路径即可完成数据合并，如果你对这个批量数据合并的小工具感兴趣，也想用于日常的批量表格数据合并，可以添加我后台的联系方式，免费获取。
三年互联网数据分析经验，擅长Excel、SQL、Python、PowerBI数据处理工具，数据可视化、商业数据分析技能，统计学、机器学习知识，持续创作数据分析内容，点赞关注，不迷路~
还没有评论，来说两句吧...