Python Pandas批量拆分与合并Excel文件实战
本文介绍如何利用Python Pandas库实现Excel文件的批量拆分与合并。首先演示如何将单个大型Excel按行数等分为多个子文件，并保存至指定目录；接着展示如何遍历文件夹读取多个小Excel，通过添加来源列并使用pd.concat进行合并，最终输出包含来源标记的完整大文件。
2026-10-15
0
本文介绍如何利用Python Pandas库实现Excel文件的批量拆分与合并。首先演示如何将单个大型Excel按行数等分为多个子文件，并保存至指定目录；接着展示如何遍历文件夹读取多个小Excel，通过添加来源列并使用pd.concat进行合并，最终输出包含来源标记的完整大文件。
本文详细介绍Python3中Pandas库处理DataFrame缺失值（NaN/None）的四种核心方法。涵盖使用isnull和notnull进行判断，通过布尔索引过滤含缺失值数据，利用fillna方法按指定策略（如ffill/bfill）或数值填充，以及使用dropna按行或列删除缺失数据。文章包含具体参数说明与代码示例，帮助开发者高效完成数据清洗工作。
本文详解如何利用Python的Pandas库高效处理包含多个Sheet的Excel文件。通过sheet_name=None参数一次性读取所有工作表，遍历字典对象进行数据清洗（如新增列），并使用ExcelWriter将处理后的多份数据批量写入新Excel文件的对应Sheet中，实现自动化数据处理流程。
本文介绍在Pandas中删除指定列包含特定值行的两种常用方法。首先讲解dropna函数处理缺失值的参数配置，随后详解drop函数通过index参数精准删除指定行的操作。结合实例演示如何统计、定位并移除“ZH_Term_len”列为0的数据，最后重置索引完成数据清洗。
本文详细介绍如何使用Python的matplotlib库绘制圆环图（Donut Chart）。文章从圆环图与饼图的对比入手，通过空气质量评级数据展示实战案例，深入解析wedgeprops、startangle及text等关键参数的用法，并提供完整代码与效果演示，帮助读者掌握多环对比与内部标注技巧。
本文详解 Python Pandas 中时间序列数据的处理流程。涵盖 time 模块基础操作、DatetimeIndex 的创建与索引技巧，以及如何利用 pd.to_datetime 清洗日期数据。通过杭州天气数据集实例，演示如何按月份聚合统计并绘制温度变化趋势图，帮助开发者掌握时序数据分析的核心技能。
本文详解使用R语言ggvenn包绘制维恩图的方法。涵盖从CRAN安装、准备List或Dataframe格式的输入数据，到调用ggvenn()生成基础图表。重点解析fill_color、stroke_size等关键参数以实现图形美化，并演示如何提取并保存两组或多组数据的交集结果。
本文详解Python中处理缺失值的完整流程。从导入数据、替换异常符号为NaN开始，利用isnull()统计缺失数量。重点讲解dropna()直接删除策略（含axis、how、thresh参数）与fillna()填充策略（均值/中位数/前后向填充），并引入sklearn的KNNImputer进行基于邻居的插补，提供完整代码示例。
本文介绍pandas处理Excel中超过14位数字自动转换为科学计数法的问题。提供两种解决方案：数据量小时使用to_csv替代to_excel；通用方法是在read_excel时指定dtype=str将所有数据读为字符串。此外，还讨论了将特定字段转为int类型时需先处理空值的注意事项，以避免转换错误。
本文详细介绍Python中Pandas库的两种核心排序方法：sort_index用于按索引或列名排序，sort_values用于按数值大小排序。涵盖单列与多列排序、升降序控制、inplace参数应用及缺失值处理策略，帮助开发者高效完成数据整理任务。
本文介绍在Pandas DataFrame计算中产生inf（无穷大）值的原因及处理方法。通过Numpy库提供的isinf、isposinf等函数定位inf位置，并演示如何将Series或整个DataFrame中的正负无穷大替换为指定数值或NaN，以适配机器学习算法对数据完整性的要求。
本文系统分享将千万级数据写入 MySQL 的两种场景及对应方案。针对非频繁写入，推荐使用 Navicat 导入向导；针对增量自动化写入，对比了 Pymysql 与 Pandas+SQLAlchemy 两种 Python 实现方式。测试显示，Pandas 方案仅需五行代码且耗时约 4 分钟，远优于 Pymysql 的 12 分 47 秒，且无需预先建表，推荐作为高效首选。
