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：