PANDAS确定自动读取EXCEL文件的header(绕过开头的合并单元格,找字段名所在行数作为header)

    工作中经常需要处理大量的EXCEL文件入数据库,但很多人做表格第一行都是合并的表格名称,并且合并的行数不确定(即pandas read_excel时,多个文件的header不能确定),下面的def get_head可以自动判断header的值,下面的代码可以实现删掉一个文件夹里所有excel文件最上方的合并单元格。如下图所示

PANDAS确定自动读取EXCEL文件的header(绕过开头的合并单元格,找字段名所在行数作为header)PANDAS确定自动读取EXCEL文件的header(绕过开头的合并单元格,找字段名所在行数作为header)PANDAS确定自动读取EXCEL文件的header(绕过开头的合并单元格,找字段名所在行数作为header)

 

     !!!!!注:下面的代码如果前五行里出现了不在字段名内的数据,可能识别错误。

 1 # -*- coding:utf-8 -*-
 2 # 读取当前目录下所有excel文件,并且输出第一行是excel的表头
 3 import os
 4 import pandas as pd
 5 def get_head(df): # 根据df表第一个出现的非空字符最多的行数最为header的函数
 6     list_temp=[]
 7     for i in range(0,df.shape[0]):
 8         list_temp.append(df.iloc[i].count())
 9     return list_temp.index(max(list_temp))
10 
11 files= os.listdir('./')
12 for f in files:
13     if f.endswith('.xls') or f.endswith('.xlsx'):
14         df_sheetname=pd.read_excel(f,sheet_name=None,nrows = 1) #只读一行确定有多少
15         excel_name=f.replace('.xlsx','').replace('.xls','')    # 去掉文件名后的xlsx或xls
16         for s in list(df_sheetname):
17             df=pd.read_excel(f,sheet_name=s,header=None,dtype='str',nrows = 5) #只取前五行判断
18             head=get_head(df) # 使用函数得到 前五行里非空字符最多的行数(第一次出现的)
19             df=pd.read_excel(f,sheet_name=s,header=head,dtype='str') 
20             df.to_excel(excel_name+'_'+s+'_result.xlsx',index=False)
21             #df.to_csv
22             #df.to_sql 
23             print(excel_name+'_'+s+',OK!')
24 input("已经全部读取成功,请关闭页面")    

 

上一篇:全球及中国SMD陶瓷封装市场发展动态与需求前景预测报告*2022~2027年


下一篇:nginx;HTTP=>HTTPS + 与后台对接接口