如何批量处理excel保存到一个新表中

可以使用Python编程语言中的pandas库来方便地批量处理Excel文件。以下是一个简单的示例代码：

import pandas as pd

# 读取所有要处理的Excel文件
file_names = ["file1.xlsx", "file2.xlsx", "file3.xlsx"]
data_frames = []
for file_name in file_names:
    data_frame = pd.read_excel(file_name)
    data_frames.append(data_frame)

# 合并所有数据到一个新表中
merged_data = pd.concat(data_frames)

# 保存合并后的表到一个新文件中
merged_data.to_excel("merged_file.xlsx", index=False)

这个代码将会读取名为file1.xlsx, file2.xlsx, 和file3.xlsx的三个Excel文件中的数据，将它们合并到一个新的DataFrame表中，并且将这个表保存到一个新Excel文件中，名为merged_file.xlsx。如果你有更多的Excel文件，你只需在file_names列表中添加它们即可。

希望这个示例代码能够帮助你批量处理Excel文件。

相关问题

将批量处理的excel中提取的所有数据整合到一个新的excel表中

要将批量处理的Excel文件中提取的所有数据整合到一个新的Excel表中，您可以使用Python的pandas库。以下是一个示例代码，演示了如何将批量处理的Excel文件中提取的数据整合到一个新的Excel表中：

import pandas as pd
import glob

# 创建一个空的DataFrame，用于存储所有提取的数据
df_combined = pd.DataFrame()

# 获取所有xlsx文件的路径
file_paths = glob.glob('path_to_folder/*.xlsx')  # 替换 'path_to_folder' 为包含Excel文件的文件夹路径

for file_path in file_paths:
    # 读取Excel文件
    df = pd.read_excel(file_path, sheet_name=1)  # sheet_name参数指定要读取的工作表索引或名称，索引从0开始

    # 提取数据
    data = df.iloc[18, 4]  # iloc函数用于按行列索引提取数据，索引从0开始

    # 将提取的数据添加到合并的DataFrame中
    df_combined = df_combined.append({'提取的数据': data}, ignore_index=True)

# 将合并的数据保存到新的Excel文件
df_combined.to_excel('new_excel_file.xlsx', index=False)  # index=False 参数表示不保存索引

print("数据整合完成并保存到新的Excel文件")

请将代码中的 `'path_to_folder/*.xlsx'` 替换为包含要读取的Excel文件的文件夹路径和文件名模式。代码将遍历所有匹配的Excel文件，读取每个文件中第二个工作表的第19行第E列的数据，并将提取的数据添加到一个合并的DataFrame中。最后，代码将合并的数据保存到名为 `'new_excel_file.xlsx'` 的新Excel文件中。

注意：在使用该代码之前，请确保已经安装了`pandas`库。可以使用以下命令进行安装：`pip install pandas`。

headers = ["省", "地市（州）", "县（市、区）", "01-房屋及居民家庭财产损失台账", "如何批量处理excel保存到一个新表中02-农林牧渔业损失台账", "03-工矿商贸业损失台账", "04-基础设施损失台账", "05-公共服务损失台账", "06-其他损失台账", "总损失合计"] new_df1 = pd.DataFrame(columns=headers) # 从原始Sheet表格中读取 A5, B5, C5 单元格的数据，分别填充到新DataFrame的“省”，“地市（州）”，“县（市、区）”列下面。 for df1 in dataframes: new_df1 = new_df1.append( pd.Series(df1.iloc[4, :3].tolist() + [None] * (len(headers) - 3), index=headers), ignore_index=True) # 从原始Sheet表格中读取 D列和E列的数据，逐行扫描，如果D列数据在headers列表中出现，就将该行E列的数据填充到对应的表头headers下面。 for df1 in dataframes: for i in range(4, df1.shape[0]): row_data = df1.iloc[i, :] d_col_data = row_data[3] e_col_data = row_data[4] if d_col_data in headers: new_df1.loc[new_df1.shape[0] - 1, d_col_data] = e_col_data

这是一个Python的代码段，使用了pandas库创建了一个空的DataFrame表格，表格列名为headers中的内容。该表格可以用来存储各种损失台账信息，包括房屋及居民家庭财产损失、农林牧渔业损失、工矿商贸业损失、基础设施损失、公共服务损失、其他损失等，并可以统计总损失合计。您想问的如何批量处理Excel并保存到该表格中，需要具体了解您的情况。