python excel表格纵向合并

在Python中，操作Excel表格通常会使用`openpyxl`或者`pandas`这样的库。纵向合并单元格通常是指将多个单元格合并为一个大的单元格，这样在视觉上它们会表现为一个单元格，而在数据处理上则只有一个值。以`openpyxl`为例，可以使用`merge_cells()`函数来纵向合并单元格。

以下是一个使用`openpyxl`纵向合并单元格的基本例子：

from openpyxl import Workbook

# 创建一个工作簿
wb = Workbook()
ws = wb.active

# 假设我们有三个单元格，纵向合并从A1到A3
ws.merge_cells('A1:A3')

# 写入值到合并后的单元格
ws['A1'] = '合并后的单元格'

# 保存工作簿
wb.save('merged_example.xlsx')

在这个例子中，我们创建了一个新的Excel工作簿，然后选择了从A1到A3的单元格范围进行纵向合并，并将值写入到合并后的新单元格A1中。最后，我们保存了这个工作簿为`merged_example.xlsx`。

需要注意的是，合并单元格后，只有左上角的单元格（本例中的A1）的值会被保留，其他单元格的值将会被丢弃。因此，在合并之前，请确保只有需要保留的单元格包含有价值的数据。

相关问题

pandas进行excel纵向合并，之要列数一样，标题行不一样，也不要对有差异的列进行新增，强烈将列数相同的两个excel表格进行合并，请给我相关示例代码

在Pandas库中，你可以使用`concat()`函数来进行Excel文件的纵向（即行方向）合并，只要保持列数相同并且不需要处理标题行差异或新增列，可以按照下面的方式来操作。假设你有两个Excel文件（file1.xlsx 和 file2.xlsx），它们的结构一致：

import pandas as pd

# 加载第一个Excel文件
df1 = pd.read_excel('file1.xlsx')

# 加载第二个Excel文件，这里我们假设列名可能会有变化，但不影响数据读取
df2 = pd.read_excel('file2.xlsx', engine='openpyxl', header=[0, 1])  # 使用openpyxl引擎处理可能存在的多级索引

# 确保两数据帧列名一致，如果不一致，可以用`rename`函数进行重命名
if set(df1.columns) != set(df2.columns):
    df2 = df2.rename(columns=dict(zip(df2.columns[df1.columns.index], df1.columns)))

# 合并两个DataFrame
merged_df = pd.concat([df1, df2], axis=0)  # 参数axis=0表示沿行（纵向）合并

# 保存合并后的结果到新的Excel文件
merged_df.to_excel('merged_file.xlsx', index=False)

python excel数据合并

### 使用Python合并多个Excel文件的数据

为了实现这一目标，可以采用`pandas`库来处理和合并来自不同Excel文件的数据。下面是一个完整的流程展示，包括获取文件列表、读取各个文件以及最终将它们合并。

#### 准备工作：导入必要的库

import os
import pandas as pd
from pathlib import Path

#### 获取指定目录下的所有Excel文件路径
假设所有的待合并Excel文件位于同一文件夹内，则可以通过遍历该文件夹获得这些文件的绝对路径。

folder_path = r"path/to/folder"  # 替换为实际存放Excel文件的文件夹位置
file_paths = list(Path(folder_path).glob('*.xlsx'))  
# glob返回的是一个迭代器,这里转换成list方便后续操作; *.xlsx表示只找扩展名为xlsx的文件.
print(f"找到 {len(file_paths)} 个Excel文件.")

#### 遍历每一个Excel文件并将其内容加载到DataFrame对象中
创建一个空列表用于存储每次循环得到的结果表；对于每个文件都调用一次`pd.read_excel()`函数完成数据载入动作[^1]。

dfs = []
for path in file_paths:
    df_temp = pd.read_excel(path)
    dfs.append(df_temp)

if not dfs: 
    raise ValueError("未发现任何有效的Excel文档")
else:
    print("已成功读取所有选定的Excel表格")

#### 将所有单独的DataFrame纵向堆叠起来形成一个新的整体结构化数据集
利用`pd.concat()`方法能够轻松地把一系列具有相同列名但行数不同的子表沿垂直方向拼接在一起[^2]。

combined_df = pd.concat(dfs, ignore_index=True)  # 设置ignore_index参数使得新索引连续编号而非保留原有索引
print(combined_df.head())

#### 输出合并后的结果至新的Excel文件保存下来
最后一步就是选择合适的输出地址并将上述构建好的大型DataFrame导出成为一份全新的Excel文件[^4]。

output_file_name = 'merged_output.xlsx'
save_location = folder_path / output_file_name
combined_df.to_excel(save_location, index=False)
print(f"已完成合并，并保存到了{str(save_location)}")

通过以上步骤就可以高效便捷地使用Python脚本批量处理多份Excel报表了。