Python pandas实现excel工作表合并功能详解
本文详细介绍如何使用Python的pandas库合并Excel文件中的多个工作表。通过读取指定文件夹下的Excel文件，分别提取不同工作表的数据，并对特殊工作表进行索引截取处理，最终将结果保存为新的Excel文件。
2026-10-13
6
本文详细介绍如何使用Python的pandas库合并Excel文件中的多个工作表。通过读取指定文件夹下的Excel文件，分别提取不同工作表的数据，并对特殊工作表进行索引截取处理，最终将结果保存为新的Excel文件。
本文提供一段Python代码，用于批量将Excel文件中的多个Sheet页转换为CSV格式。通过xlrd和pandas库，自动处理包含空格字段的复杂表格，并按指定规则清洗数据。该脚本适用于需要高效处理大量Excel数据的场景，避免手工转换的低效与错误。
本文详解pandas中利用isin函数进行范围筛选的正确用法，避免使用in导致的逻辑错误。通过WTGS_CODE与FAULT_CODE的组合示例，演示多条件筛选时括号使用的必要性，提供完整代码片段供参考。
本文提供Python代码示例，展示如何获取用户输入的不定长度数字列表，并计算其平均值、方差和中位数。通过定义getNum、mean、dev和median函数，实现基础数据统计功能，适合Python初学者参考学习。
本文介绍如何使用Python的Pandas库将包含亿级数据的CSV文件等分为10份，并采用规则命名。针对文件路径含中文导致内存占用翻倍的问题，提供了通过文件对象读取的替代方案，同时建议优先修改路径为英文以优化性能。
本文详解如何利用Selenium技术抓取京东平台成人用品的产品信息与评论数据，并存入MongoDB数据库。通过对8934款产品及17万条评论的分析，揭示了销量领先的品牌分布、热门产品特征及购物节对销量的显著影响，为电商数据分析提供实战参考。
本文介绍如何利用Python爬虫技术抓取智联招聘网站上的数据分析师岗位信息。通过浏览器开发者工具分析网络请求，定位Ajax接口并构造请求参数，最终使用Python代码实现数据提取与保存，为求职分析提供数据支持。
本文详解 pandas 中 to_datetime 函数的使用，重点解决 DataFrame 中混合时间格式导致的转换报错。通过实战案例，展示如何识别 object 类型日期列，利用 errors='coerce' 和 infer_datetime_format 参数处理包含 ISO8601 等不一致格式的数据，并提供筛选异常行与批量转换的高效技巧。
本文深入解析Python中处理时间的两个核心函数：datetime和pd.to_datetime。详细讲解如何获取指定时间、将字符串或Unicode数据转换为标准时间类型，适用于Excel和CSV等场景下的数据切片与分析，帮助开发者高效处理时间序列数据。
本文通过Python的Matplotlib库，演示如何利用散点图分析北京2016年3月与10月的每日最高气温变化规律。文章提供了完整的数据定义、绘图代码及参数设置详解，包括坐标轴调整、标签旋转及图例添加，帮助读者掌握散点图在时间序列数据分析中的实际应用。
本文详解 pandas 中日期类型数据的处理流程，涵盖 Timestamp 与 datetime 的转换、read_csv 中 parse_dates 的使用，以及利用 dt 属性提取年月日信息。重点介绍通过 strftime 和 to_period 方法生成格式化周期字段，并结合 pivot_table 实现按月份、季度及年度的 SKU 销售金额统计，提供完整的代码示例与数据透视表生成步骤。
本文详解如何使用Python和Pandas库构建基于Item的简易推荐系统。通过加载MovieLens数据集，利用pivot_table生成用户-电影评分矩阵，并计算电影间的Pearson相关系数。文章涵盖数据清洗、阈值设定以过滤低评分数量电影，以及通过计算相似度进行电影推荐的具体代码实现与结果分析。