pandas(十七)批量拆分与合并Excel文件

一、Pandas 进行索引和切片的iloc、loc方法

• iloc是基于整数位置进行索引和切片的方法
  它允许您使用整数来访问 DataFrame 或 Series 中的特定行和列

  import pandas as pd
  
  # 创建示例 DataFrame
  df = pd.DataFrame({
        
        'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
  
  # 使用 iloc 访问特定行和列
  value = df.iloc[0, 1]  # 获取第一行、第二列的值
  row = df.iloc[1]  # 获取第二行的所有列
  col = df.iloc[:, 2]  # 获取第三列的所有值
  slice_df = df.iloc[1:3, 0:2]  # 获取第二行到第三行、第一列到第二列的切片
  
  print(value)  # 输出: 4
  print(row)  # 输出: A    2\nB    5\nC    8\nName: 1, dtype: int64
  print(col)  # 输出: 0    7\n1    8\n2    9\nName: C, dtype: int64
  print(slice_df)
  # 输出:
  #    A  B
  # 1  2  5
  # 2  3  6
  

• loc是基于标签进行索引和切片的方法。
  它允许您使用标签来访问 DataFrame 或 Series 中特定的行和列

  import pandas as pd
  
  # 创建示例 DataFrame
  df = pd.DataFrame({
        
        'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}, index=['a', 'b', 'c'])
  
  # 使用 loc 访问特定行和列
  value = df.loc['a', 'B']  # 获取索引为 'a'，列为 'B' 的值
  row = df.loc['b']  # 获取索引为 'b' 的所有列
  col = df.loc[:, 'C']  # 获取列标签为 'C' 的所有值
  slice_df = df.loc['b':'c', 'A':'B']  # 获取索引为 'b' 到 'c'，列标签为 'A' 到 'B' 的切片
  
  print(value)  # 输出: 4
  print(row)  # 输出: A    2\nB    5\nC    8\ndtype: int64
  print(col)  # 输出: a    7\nb    8\nc    9\nName: C, dtype: int64
  print(slice_df)
  # 输出:
  #    A  B
  # b  2  5
  # c  3  6
  

二、Pandas批量拆分与合并Excel文件

将一个大Excel等分，拆成多个Excel
将多个小Excel合并并标记来源

import pandas as pd

df_path = '/Users/python/Desktop/means/ml-25m/ratings.csv'
df_source = pd.read_csv(df_path)
df_source.head()

	userId	movieId	rating	timestamp
0	1	296	5.0	1147880044
1	1	306	3.5	1147868817
2	1	307	5.0	1147868828
3	1	665	5.0	1147878820
4	1	899	3.5	1147868510

df.index    查看索引信息  总共行数1000209
RangeIndex(start=0, stop=1000209, step=1)

df.shape    查看总的行列信息  总共1000209行 4列 
(1000209, 4)

获取总的行数信息
total_row_count = df.shape[0]
total_row_count

1000209

二、 将一个大的Excel 等分拆成多个Excel

计算拆分后每个excel的行数 （可能除不尽 取余 + 1）
user_names = ["zhangsan", "lisi", "wanger", 'mazi']
split_size = total_row_count // len(user_names)
if total_row_count % len(user_names) != 0:
    split_size += 1

拆分多个dataframe 

for idx, user_name in enumerate(user_names):
    begin = idx * split_size
    end = (idx + 1 ) * split_size    
    df_sub = df_source.iloc[begin:end]
    df_subs.append((idx, user_name, df_sub))

将多个datafame 写入csv

for idx, user_name, df_sub in df_subs:
    file_name = f'/Users/python/Desktop/means/ml-25m/ratings_{
    
    user_name}.csv'
    df_sub.to_csv(file_name, index=False)

三、 将多个Excel合并成一个大的Excel

1. 便利文件夹，得到要合并的Excel 文件列表
2. 分别去读到dataframe, 给每个df添加一列用于标记来源
3. 使用pd.concat 进行批量合并
4. 将合并到的dataframe 输入到excel

读取要合并的excel，并添加username 列

df_list = []
fnames = ['ratings_mazi.csv', 'ratings_zhangsan.csv', 'ratings_lisi.csv','ratings_wanger.csv','ratings_mazi.csv']
for fname in fnames:
    file_name = f'/Users/python/Desktop/means/ml-25m/{
    
    fname}'
    df_split = pd.read_csv(file_name)
    username = fname.replace("ratings_", '').replace(".csv", '')
    df_split['username'] = username
    df_list.append(df_split)

使用pd.concat 进行合并
df_merged = pd.concat(df_list)

df_merged.shape    查看总的行列信息    总共1000209行 4列 
df_merged.head()   查看合并后的前几行信息

	userId	movieId	rating	timestamp	username
0	5109	508	3.0	840577637	mazi
1	5109	519	2.0	840577227	mazi
2	5109	524	2.0	840577346	mazi
3	5109	527	3.0	840576285	mazi
4	5109	529	3.0	840576680	mazi


df_merged['username'].value_counts() 查看username 的取值种类

username
mazi        500106
zhangsan    250053
lisi        250053
wanger      250053
Name: count, dtype: int64

将合并后的dataframe输入到excel中

df_merged.to_csv('/Users/python/Desktop/means/ml-25m/ratings_merged.csv', index=False)