在python中alignment数据
我有Excel电子表格，我想连接成一个pandas数据框，但input到电子表格中的表格范围是不规则的。 input的数据可能开始于每个电子表格中的C5，D8，G4等。 下面的例子显示它从B5开始。
我不知道每个电子表格中的表格将从哪里开始，或者指定每个工作簿中的哪个表格，因为有几百个表格。 我打算将所有表单编译成一个数据框，然后提取我需要的数据行。 数据大部分是相同的格式，但我也需要记住电子表格中的任何注释。
如果每个电子表格中的数据alignment在一起，那么会更简单，然后我可以使用索引标签提取所需的行。 是否有办法将每个电子表格中的所有数据alignment，以便在每个电子表格的第一列中开始？
这是我到目前为止：
import os import pandas as pd import glob import numpy as np path =r'dir' allFiles = glob.glob(path + "/*.xlsx") frame = pd.DataFrame() list_ = [] for file_ in allFiles: df = pd.read_excel(file_,index_col=None, header=0) list_.append(df) frame = pd.concat(list_) print(list_) 
这是一个openpyxl的解决scheme
不需要保存新文件或将数据预加载到内存中
import itertools from openpyxl import load_workbook from pandas import DataFrame def get_data(ws): for row in ws.values: row_it = iter(row) for cell in row_it: if cell is not None: yield itertools.chain((cell,), row_it) break def read_workbook(filename): wb = load_workbook(filename) ws = wb.active return DataFrame(get_data(ws))
您可以轻松修改代码，以限制在将行视为空白之前执行的最大步骤数
您可以尝试将表格转换为csv并剥离前导逗号。
with open("your_file_as_csv", 'r') as file_in, open("output_as_csv", 'w') as file_out: for line in file_in: file_out.write(line.strip(','))
这将至less删除空白行，并将所有内容与第一行和第一列alignment。
但请注意，在您的示例中，您将遇到包含“汇总，2017”的第2行的麻烦。
你确定所有的表格都有相同的格式（列标签，订单，数字吗？）
你可以使用这个function：
https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.dropna.html
df = df.dropna(axis=0, how='all') df = df.dropna(axis=1, how='all') writer = pd.ExcelWriter('out.xlsx') df.to_excel(writer, 'out') writer.save()
之前：
后：
