使用pandas读取表格数据并进行单行数据拼接的详细教程
业务需求
一个几十万条数据的Excel表格，现在需要拼接其中某一列的全部数据为一个字符串，例如下面简短的几行表格数据：
id
code
price
num
11
22
33
44
22
33
44
55
33
44
55
66
44
55
66
77
55
66
77
88
66
77
88
99
现在需要将code的这一列用逗号,拼接为字符串，并且每个单元格数据都用单引号包含，需要拼接成字符串'22','33','44','55','66','77'，这样的情况，我们需要怎么处理呢？当然方式有很多……
多行文本批量处理
有的时候，我们会遇到需要同时处理多行文本的情况，很多文本编辑器都支持批量操作多行文本，这里我主要说一下Sublime Text，下面是操作的快捷键，有需要的可以尝试用一下，确实挺方便的。
- 选中需要操作的多行，按下Ctr+Shift+L即可同时编辑这些行
- 鼠标选中文本，反复按CTRL+D即可继续向下同时选中下一个相同的文本进行同时编辑
- 鼠标选中文本，按下Alt+F3即可一次性选择全部的相同文本进行同时编辑
如何节省效率
在工作中，可能会存在一些表格数据处理的情况，比如运营给你一个表格，表格里有类似：订单号呀、产品ID啊、商品SKU等，需要你协助导出这些数据里的明细数据以便他们做分析用，一两次，我们可以快速用上面的方式处理，但是这种方式对于大文本的处理可能会存在卡顿的情况，操作效率较低，如果小文本的话，那么还是很方便的。
如果多次遇到这种情况，是否想要做成一个工具来快速处理呢，也就是，这种批量拼接同样格式的数据，我们可以写一个小工具来实现，即快速又省事，可以大大减少重复的工作消耗。
pandas读取表格数据并处理
这我们使用Python的pandas模块来读取表格指定某列的数据，再按照我们的拼接格式进行循环处理，最终把拼接的字符串写入文本文件中，方便保留和使用拼接的数据。
sheet = pandas.read_excel(io=file_name, usecols=[line_num])
data = sheet.values.tolist()
str_data = ''
# 循环处理数据
print_msg('已获取列数据条数[' + str(len(data)) + ']，开始处理数据……')
for x in range(len(data)):
if str(data[x][0]) != 'nan':
str_data += "'" + str(data[x][0]) + "',"
完整源码
因为脚本需要多次使用，并且针对不同文件的不同列，所以，我们采用接受关键参数的形式，可以不改动任何代码，就可以直接使用此脚本来完整我们的数据拼接，同时，我们还可以使用pyinstaller模块来将脚本进行打包成exe的window可执行文件，使其在无Python的运行环境中也可以使用，打包命令为：pyinstaller -F -i favicon.ico join_excel_data.py，我已有打包的上传到交友网站Github上，大家有兴趣的话，可以点击查看哦，交个朋友地址：github.com/gxcuizy
#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""
拼接Excel表格单行数据，并写入文本
author: gxcuizy
time: 2021-03-01
"""
import pandas
import random
import os
import time
def print_msg(msg=''):
"""打印信息"""
now_time = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())
print('[' + now_time + '] ' + msg)
# 程序主入口
if __name__ == "__main__":
# 获取传入参数
file_name = input('请输入当前目录下的表格文件名（例如“01.xlsx”）：')
line_num = input('请输入要拼装的数据第几列（例如“1”）：')
# 判断文件是否存在
if os.path.exists(file_name) == False:
print_msg('文件不存在')
os.system("pause")
exit(0)
# 判断输入的行数是否为数字
if line_num.isdigit() == False:
print_msg('请输入列数的数字')
os.system("pause")
exit(0)
try:
# 获取表格数据
print_msg('开始获取文件[' + file_name + ']的第[' + str(line_num) + ']列数据')
line_num = int(line_num) - 1
sheet = pandas.read_excel(io=file_name, usecols=[line_num])
data = sheet.values.tolist()
str_data = ''
# 循环处理数据
print_msg('已获取列数据条数[' + str(len(data)) + ']，开始处理数据……')
for x in range(len(data)):
if str(data[x][0]) != 'nan':
str_data += "'" + str(data[x][0]) + "',"
# 写入文本文件
print_msg('数据处理完毕，开始写入……')
random_num = random.randint(1000, 9999)
with open('str_' + str(random_num) + '.txt', 'w') as f:
f.write(str_data.strip(','))
print_msg('数据写入完毕.')
except Exception as err_info:
# 异常信息
print_msg(str(err_info))
# 防止exe程序执行结束闪退
os.system("pause")
下一篇：pytorch 实现L2和L1正则化regularization的操作