次のような複数のヘッダーを持つExcelシートがあります。
_________________________________________________________________________
____|_____| Header1 | Header2 | Header3 |
ColX|ColY |ColA|ColB|ColC|ColD||ColD|ColE|ColF|ColG||ColH|ColI|ColJ|ColDK|
1 | ds | 5 | 6 |9 |10 | .......................................
2 | dh | ..........................................................
3 | ge | ..........................................................
4 | ew | ..........................................................
5 | er | ..........................................................
ここで、最初の2つの列にはヘッダーがありませんが、他の列にはHeader1、Header2、Header3などのヘッダーがあることがわかります。したがって、このシートを読み、同様の構造を持つ他のシートとマージしたいと思います。
最初の列「ColX」にマージしたいです。今私はこれをやっています:
import pandas as pd
totalMergedSheet = pd.DataFrame([1,2,3,4,5], columns=['ColX'])
file = pd.ExcelFile('ExcelFile.xlsx')
for i in range (1, len(file.sheet_names)):
df1 = file.parse(file.sheet_names[i-1])
df2 = file.parse(file.sheet_names[i])
newMergedSheet = pd.merge(df1, df2, on='ColX')
totalMergedSheet = pd.merge(totalMergedSheet, newMergedSheet, on='ColX')
しかし、どちらの列も正しく読み取れないのがわかりません。また、思い通りに結果を返さないと思います。したがって、結果のフレームは次のようになります。
________________________________________________________________________________________________________
____|_____| Header1 | Header2 | Header3 | Header4 | Header5 |
ColX|ColY |ColA|ColB|ColC|ColD||ColD|ColE|ColF|ColG||ColH|ColI|ColJ|ColK| ColL|ColM|ColN|ColO||ColP|ColQ|ColR|ColS|
1 | ds | 5 | 6 |9 |10 | ..................................................................................
2 | dh | ...................................................................................
3 | ge | ....................................................................................
4 | ew | ...................................................................................
5 | er | ......................................................................................
提案をお願いします。ありがとう。
Pandasには既にExcelスプレッドシート全体を読み込む機能があるため、各シートを手動で解析/マージする必要はありません。ご覧ください pandas.read_Excel() 。 Excelファイルを1行で読み取るだけでなく、問題の解決に役立つオプションも提供します。
サブカラムがあるので、探しているのは MultiIndexing です。デフォルトでは、pandasは一番上の行を唯一のヘッダー行として読み取ります。行数を示すheader
引数をpandas.read_Excel()
に渡すことができます。ヘッダーとして使用します。特定のケースでは、header=[0, 1]
、最初の2行を示します。複数のシートがある場合もあるので、sheetname=None
も同様です(これにより、すべてのシートを調べるように指示されます)。コマンドは次のようになります。
df_dict = pandas.read_Excel('ExcelFile.xlsx', header=[0, 1], sheetname=None)
これは、キーがシート名で、値が各シートのデータフレームである辞書を返します。すべてを1つのDataFrameにまとめるには、pandas.concatを使用します。
df = pandas.concat(df_dict.values(), axis=0)