通过读取文件名以编程方式将 excel 文件插入 pandas 数据框

Question

我有一个包含 6 个文件的文件夹，其中 4 个是 excel 个我想放入 pandas 的文件，另外 2 个只是其他文件。我希望能够使用 pathlib 来处理文件夹，以自动将我想要的 excel 文件提取到单个 pandas 数据帧中。我还希望能够使用 excel 文件的名称（不带文件扩展名）

来命名每个新数据框

例如

import pandas as pd
import pathlib as pl

folder = pl.WindowsPath(r'C:\Users\username\project\output')
files = [e for e in folder.iterdir()]

for i in files:
    print(i)

['C:\Users\username\project\output\john.xlsx',
    'C:\Users\username\project\output\paul.xlsx',
    'C:\Users\username\project\output\random other file not for df.xlsx',
    'C:\Users\username\project\output\george.xlsx',
    'C:\Users\username\project\output\requirements for project.txt',
    'C:\Users\username\project\output\ringo.xlsx' ]

从这里开始，我希望能够做类似

的事情

for i in files:
    if ' ' not in str(i.name):
        str(i.name.strip('.xlsx'))) = pd.read_excel(i)

读取文件名，如果它不包含任何空格，则获取名称，删除文件扩展名并将其用作从 excel 构建的 pandas 数据框的变量名文件。

如果我正在做的事情不可行，那么我还有其他方法可以做到，但它们重复了很多代码。

感谢任何帮助。

Answer 1

使用 pathlib 和 re

我们可以在字典理解中排除任何与特定模式匹配的文件，即具有 space.

的任何文件

from pathlib import Path
import re 
import pandas as pd

pth = (r'C:\Users\username\project\output')

files = Path(pth).glob('*.xlsx') # use `rglob` if you want to to trawl a directory.


dfs = {file.stem : pd.read_excel(file) for file in 
                   files if not re.search('\s', file.stem)}

基于以上你会得到：

{'john': pandas.core.frame.DataFrame,
 'paul': pandas.core.frame.DataFrame,
 'george': pandas.core.frame.DataFrame,
 'ringo': pandas.core.frame.DataFrame}

其中 pandas.core.frame.DataFrame 是您的目标数据框。

然后您可以通过 dfs['john']

调用它们

通过读取文件名以编程方式将 excel 文件插入 pandas 数据框

programtically ingesting xl files to pandas data frame by reading filename

python

excel

dataframe

pandas

pathlib