CtrlEnter，1秒批量合并数据并导入数据库的办法，你学会了吗？
在日常数据分析的业务场景下，我们经常会遇到以下难题： 如何批量导入不同工作簿不同Sheet表下的数据？ 如何将这些不同Sheet表下的数据合并为一个数据？ 如何将合并的数据导入数据库？
本文构造一组数据，批量合并后导入数据库保存，下面一起来学习。 本文使用工具：Python 3.7.0
本文使用的模块：pandas、os、pymysql
适用范围：数据批量导入与合并，数据库留存批量数据导入并合并
首先构建10个工作簿，每个工作簿下面有三个Sheet表。
每一个分别Sheet表包含ID、number、sale三个字段。
导入相关的库，在数据批量导入及合并的时候，使用到pandas和os两个库。 #导入相关的库 import pandas as pd import os
这里介绍一下os.listdir命令，他可以将一个数据文件内的所有文件名都读取出来，如下图就是读取的文件名，包含那十个工作簿。 os.listdir(r＂C:Users尚天强Desktop测试数据＂)
使用read_excel命令读取一个Excel文件。 df = pd.read_excel(r＂C:Users尚天强Desktop测试数据测试数据1.xlsx＂) df.head()
首先构建一个空的列表，里面没有任何数值，同时，在开始部分就定义数据的导入路径、导出路径、以及保存的文件名。 import pandas as pd import os #构建一个空的列表 dfs = [] read_path=r＂C:Users尚天强Desktop测试数据＂ save_path=r＂C:Users尚天强Desktop＂ save_name=＂out_table.xlsx＂
接下来是循环遍历每一个文件的名称，并且遍历的文件名不能为保存的文件名，sheet_name=None表示读取每一个Sheet表下的数据，skiprows=1,header=None取消标题，跳过第一行，只保留数据内容，使用extend命令将遍历的这些数据内容上下拼接起来。 for fname in os.listdir(read_path): if fname.endswith(＂.xlsx＂) and fname !=save_name: df = pd.read_excel(read_path+＂＂+fname,skiprows=1,header=None,sheet_name=None) dfs.extend(df.values())
使用concat命令将每一个工作簿的数据拼接起来。 #合并 result = pd.concat(dfs)
在导出数据的时候，使用header命令给表格加一个标题，批量导入数据并合并的结果如下所示。 #导出数据 result.to_excel(save_path+＂＂+save_name,index=False,header=[＂id＂,＂number＂,＂sale＂])
使用第一种方法合并数据，发现有重复值，可以使用drop_duplicates参数去除重复值，使用sort_values参数进行排序，去除重复值并且排序的数据结果如下所示。 import pandas as pd import os dfs = [] read_path=r＂C:Users尚天强Desktop测试数据＂ save_path=r＂C:Users尚天强Desktop＂ save_name=＂out_table.xlsx＂ for fname in os.listdir(read_path): if fname.endswith(＂.xlsx＂) and fname !=save_name: df = pd.read_excel(read_path+＂＂+fname,skiprows=1,header=None,sheet_name=None,names=[＂id＂,＂number＂,＂sale＂]) #这里需要用names函数命名，不然没法去重和排序 dfs.extend(df.values()) #合并 result = pd.concat(dfs) #根据ID去除重复值 result.drop_duplicates(subset=＂id＂,keep=＂first＂,inplace=True) #降序排列 result.sort_values(by=＂sale＂,ascending=False,inplace=True) #导出数据 result.to_excel(save_path+＂＂+save_name,index=False,header=[＂id＂,＂number＂,＂sale＂])
数据导入数据库
将数据导入数据库，这里还是使用上面的数据文件，连接数据库使用的模块为pymysql。 #读入数据 data = pd.read_csv(r＂C:Users尚天强Desktopout_table.csv＂,engine=＂python＂) data.head()#导入需要使用到的数据模块 import pandas as pd import pymysql
数据库连接，host为数据库地址、user为用户名、password为密码、db为数据库的名字、port为端口，默认为3306。 # 建立数据库连接 con = pymysql.connect(host=＂127.0.0.1＂, user=＂root＂, password=＂123456＂, db=＂demo＂, port=3306)
获取游标对象。 # 获取游标对象 cursor = con.cursor()
用数据库demo，＂USE demo＂ 也是数据库内的SQL语言。 #使用数据库demo cursor.execute(＂USE demo＂)
构造一个test表，包含ID、number、sale三个字段。 cursor.execute(＂create table if not exists test ( ID char(4) primary key, number int, sale float)＂ )
向表test表内插入数据。 #插入数据语句 query = ＂insert into test(ID,number,sale)values (%s,%s,%s)＂
迭代读取每行数据，转化数据类型，将其保存在values内。 #迭代读取每行数据，values中元素有个类型的强制转换，否则会出错 for r in range(0, len(data)): ID = data.iloc[r,0] number = data.iloc[r,1] sale = data.iloc[r,2] values = (str(ID),int(number),float(sale)) cursor.execute(query, values)
关闭游标，提交，关闭数据库连接。 #关闭游标，提交，关闭数据库连接,如果没有这些关闭操作，执行后在数据库中查看不到数据 cursor.close() con.commit() con.close()打印数据# 建立数据库连接 con = pymysql.connect(host=＂127.0.0.1＂, user=＂root＂, password=＂123456＂, db=＂demo＂, port=3306)# 获取游标对象 cursor = con.cursor()
首先执行SQL命令，＂select * from test＂表示查询test表内的所有数据，循环遍历数值，将它打印出来。 #查询数据库并打印内容 cursor.execute(＂select * from test＂) result = cursor.fetchall() for values in result: print(values)
打印出来的结果可以看到，第一列是字符串，第二列是整型，第三列是浮点型。 #关闭 cursor.close() con.commit() con.close()
导入数据库后的结果如下所示：