这篇文章主要讲解了“Python如何批量合并表格”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“Python如何批量合并表格”吧！
这种方法适用于小的数据量，数据量大的时候，打开一个EXCEL表格就已经很费时间了，针对小的数据量的合并，比如本文的data文件夹下是9月份一个月的数据，可以新建一个EXCEL表格，点击数据>获取数据>自文件>从文件夹，点击组和，即可对于数据表进行批量合并。
另一种方法是写代码的方式，适用于数据量比较大的批量数据，借助Python中的两个标准库pandas和os库，下面先了解一下这两个库的作用。
Pandas
pandas是python的一个数据分析包
pandas是基于NumPy 解决数据分析任务的一种工具
pandas 纳入了大量库和一些标准的数据模型
pandas提供了高效地操作大型数据集所需的工具
Os库
os库提供通用的、基本的操作系统交互功能
os库包含路径操作、进程管理、环境参数等处理函数
下面实际运用代码进行批量处理表格数据。
第一步、导入批量处理数据所需的Python标准库。
# 导入库import pandas as pdimport os
# 待读取批量csv的文件夹read_path = 'C:\\Users\\shangtianqiang\\Desktop\\data'# 待保存的合并后的csv的文件夹,在路径自己建立一个data_merge文件夹save_path = 'C:\\Users\\shangtianqiang\\Desktop\\data_merge'# 待保存的合并后的表格名csvsave_name = 'hebing.csv'
#修改当前工作目录os.chdir(read_path)
#将该文件夹下的所有文件名存入一个列表file_list = os.listdir()
#读取第一个CSV文件并包含表头df = pd.read_csv(read_path +'\\'+ file_list[0],encoding = 'gbk') #编码默认UTF-8，若乱码自行更改为gbk
#将读取的第一个CSV文件写入合并后的文件保存df.to_csv(save_path+'\\'+ save_name,encoding="utf_8_sig",index=False)
#循环遍历列表中各个CSV文件名，并追加到合并后的文件 FileStart = 1 FileEnd = len(file_list) for i in range(FileStart,FileEnd): df = pd.read_csv(read_path + '\\'+ file_list[i],encoding = 'gbk') # 编码默认UTF-8，若乱码自行更改为gbk df.to_csv(save_path+'\\'+ save_name,encoding="utf_8_sig",index=False, header=False, mode='a+')
感谢各位的阅读，以上就是“Python如何批量合并表格”的内容了，经过本文的学习后，相信大家对Python如何批量合并表格这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是亿速云，小编将为大家推送更多相关知识点的文章，欢迎关注！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
