作為一名資料分析師，日報，週報，月報是少不了的，經常在整理週報或者月報的時候，需要將這周的資料或者該月的資料進行一個彙總，常規地做法是將每一天的資料進行重複地複製、貼上。

顯然，上面的方式不可取，會加重我們資料整理工作，有沒有一種簡便的方法？僅需滑鼠點一點，即可完成資料合併，本文介紹Python資料合併、圖形介面開發和Python打包，可解決上述問題。

示例工具：anconda3。7

本文講解內容：圖形介面開發，Python打包

適用範圍：使用互動式命令一鍵批次資料合併

Python資料合併

如下我們有個需求，就是將四個季度的銷售明細合併在一張表裡，本文開發的小工具也是在解決資料批次資料合併的問題。

常規情況下，匯入一個Excel資料，使用pd。read_excel命令即可，如下我們匯入了其中銷售明細第1季度的資料。

import pandas as pddf=pd。read_excel（r‘D：\系統桌面（勿刪）\Desktop\訂單銷售資料\銷售明細第1季度。xlsx’）df。head（）

那麼如何匯入一個資料夾下所有的Excel資料呢？這裡使用os。listdir（）命令可以返回該資料夾下的檔案目錄，返回結果如下。

import osnew_path=r‘D：\系統桌面（勿刪）\Desktop\訂單銷售資料’listdir=os。listdir（new_path）listdir

［‘銷售明細第1季度。xlsx’， ‘銷售明細第2季度。xlsx’， ‘銷售明細第3季度。xlsx’， ‘銷售明細第4季度。xlsx’］

這樣我們就有了一個思路，首先匯入第一個Excel表，然後使用for迴圈遍歷檔案目錄，使用pd。concat命令將同一個資料夾內的多個Excel表進行合併。

import pandas as pdimport osnew_path=r‘D：\系統桌面（勿刪）\Desktop\訂單銷售資料’listdir=os。listdir（new_path）df=pd。read_excel（new_path+‘\\’+ listdir［0］）#匯入第一個資料表for filename in listdir［1：］： dfi=pd。read_excel（new_path+‘\\’+ filename） #匯入除第一個資料表外其他資料表 df=pd。concat（［df，dfi］，sort=False） #資料縱向合併 df。to_excel（new_path+‘\\’+‘資料合併。xlsx’，index=False）

如下即為表格批次合併後的結果。

我們將上面的程式碼定義為一個combine函式，只要每次匯入path的資料夾路徑，即可將資料合併。

import pandas as pdimport osdef combine（path）： new_path=path listdir=os。listdir（new_path） df=pd。read_excel（new_path+‘\\’+ listdir［0］）#匯入第一個資料表 for filename in listdir［1：］： dfi=pd。read_excel（new_path+‘\\’+ filename） #匯入除第一個資料表外其他資料表 df=pd。concat（［df，dfi］，sort=False） #資料縱向合併 df。to_excel（new_path+‘\\’+‘資料合併。xlsx’，index=False）

Python圖形介面開發

為了將程式碼的執行過程增加互動式操作，這裡使用PySimpleGUI庫開發一個圖形介面，其中，layout用於自定義窗口布局，window用於定義整體的視窗介面，while True： 迴圈執行，當滿足特定的“事件”時，則返回具體的“值”，從而實現人機互動功能。

import PySimpleGUI as sg#自定義窗口布局，一共是兩行，第一行用於查詢需要合併Excel的檔案目錄，第二行點選開始合併按鈕進行合併layout = ［［sg。Text（“請選擇Excel檔案所在目錄：”），sg。Input（size=（25， 1）， enable_events=True， key=“檔案路徑”），sg。FolderBrowse（button_text=“瀏覽檔案”），］， ［sg。Button（‘開始合併’， enable_events=True， key=“開始”），］ ］window = sg。Window（‘批次資料合併：By大話資料分析’， layout）#定義視窗while True： event， values = window。read（） if event in （None，）： break #關閉使用者介面 elif event == “開始”： if values［“檔案路徑”］： print（values［“檔案路徑”］） sg。popup（‘資料合併已完畢！’） else： sg。popup（‘請先輸入Excel檔案所在的路徑！’）window。close（）

如下將人機互動功能開發完畢，點選瀏覽檔案，找到需要批次合併檔案的資料夾目錄，點選開始合併，即可輸出結果，其中，values［“檔案路徑”］輸入的是需要合併Excel資料的檔案路徑，print打印出來的就是需要合併Excel資料的檔案路徑。

至此，Python圖形介面開發完畢，之前定義了combine函式，當滿足特定事件和值時，執行combine（values［“檔案路徑”］）命令，即可使用互動式命令，完成資料表合併。

import pandas as pdimport osdef combine（path）： new_path=path listdir=os。listdir（new_path） df=pd。read_excel（new_path+‘\\’+ listdir［0］）#匯入第一個資料表 for filename in listdir［1：］： dfi=pd。read_excel（new_path+‘\\’+ filename） #匯入除第一個資料表外其他資料表 df=pd。concat（［df，dfi］，sort=False） #資料縱向合併 df。to_excel（new_path+‘\\’+‘資料合併。xlsx’，index=False）import PySimpleGUI as sg#自定義窗口布局，一共是兩行，第一行用於查詢需要合併Excel的檔案目錄，第二行點選開始合併按鈕進行合併layout = ［［sg。Text（“請選擇Excel檔案所在目錄：”），sg。Input（size=（25， 1）， enable_events=True， key=“檔案路徑”），sg。FolderBrowse（button_text=“瀏覽檔案”），］， ［sg。Button（‘開始合併’， enable_events=True， key=“開始”），］ ］window = sg。Window（‘批次資料合併：By大話資料分析’， layout）#定義視窗while True： event， values = window。read（） if event in （None，）： break #關閉使用者介面 elif event == “開始”： if values［“檔案路徑”］： combine（values［“檔案路徑”］） sg。popup（‘資料合併已完畢！’） else： sg。popup（‘請先輸入Excel檔案所在的路徑！’）window。close（）

Python程式打包

互動式的命令開發完畢，如何分享給別人使用？或者是別人的電腦上沒有安裝Python也能正常使用資料合併功能？這裡給大家介紹Python程式打包，使用虛擬環境進行打包，在命令列輸入如下命令下載pipenv包。

#使用虛擬環境壓縮pip install pipenv -i https：//pypi。tuna。tsinghua。edu。cn/simple

使用快捷鍵Win+R鍵，然後輸入CMD，輸入pipenv shell命令，進入虛擬環境，沒有虛擬環境的話會自動建立一個。

#Win+R輸入CMD，進入虛擬環境，沒有虛擬環境的話會自動建立一個pipenv shell

由於Python打包會將電腦安裝的Python包全部打包，這裡我們在虛擬環境中只安裝Python程式涉及的模組，這樣會減少打包的體積，注意xlrd==1。2。0下載低版本的包，預設安裝的是高版本的，安裝高版本的包在程式使用中會報錯。

#只安裝Python程式涉及的模組pip install pandas xlrd==1。2。0 id-validator PySimpleGUI pyinstaller -i https：//pypi。tuna。tsinghua。edu。cn/simple

將帶有互動式命令的資料合併程式碼匯出為。py檔案，在命令列輸入如下的打包命令，指定具體的路徑即可打包。

#進行打包pyinstaller -F -w C：\Desktop\combine。py

稍等幾分鐘，在Python的工作目錄下看到一個dist檔案，如果不知道自己的Python工作目錄，可使用os。getcwd（）命令檢視。

該dist檔案包含一個combine。exe程式。

雙擊combine。exe程式，在圖形互動介面匯入具體的檔案路徑即可完成資料合併，如果你對這個批次資料合併的小工具感興趣，也想用於日常的批量表格資料合併，可以新增我後臺的聯絡方式，免費獲取。

三年網際網路資料分析經驗，擅長Excel、SQL、Python、PowerBI資料處理工具，資料視覺化、商業資料分析技能，統計學、機器學習知識，持續創作資料分析內容，點贊關注，不迷路~