如何改进我的追加和读取 excel For loop in python

Question

希望你能帮助我。

我有一个文件夹，其中有几个结构相似的 .xlsx 文件（请注意，有些文件可能大于 50MB）。我想将它们组合在一起并（最终）将它们发送到数据库。但在此之前，我需要提高这段代码的性能，因为有时处理所有这些文件需要花费很多时间。

有问题的代码是这样的：

df_list = []    
for file in location:
    df_list.append(pd.read_excel(file, header=0, engine='openpyxl'))

df_concat = pd.concat(df_list)

有什么建议吗？

我在某处读到将 Excel 文件转换为 CSV 可能会提高性能，但我应该在附加文件之前还是在连接所有内容之后这样做？考虑到 df_list 是一个列表，我可以进行转换吗？

Answer 1

如您所说，在 pandas 中读取 excel 个文件非常慢，您应该看看。它基本上在运行 python 脚本之前使用 vbscript 将 excel 文件转换为 csv 文件，这对于 python 脚本来说读取速度更快。

为了更具体地回答问题的第二部分，您应该先将 excel 文件转换为 csv，然后再使用 pandas 加载它们。 read_excel 函数是慢的部分。

Answer 2

我找到了 xlsx2csv 的解决方案

xlsx_path = './data/Extract/'
csv_path = './data/csv/'
list_of_xlsx = glob.glob(xlsx_path+'*.xlsx')


for xlsx in list_of_xlsx:
    # Extract File Name on group 2 "(.+)"
    filename = re.search(r'(.+[\|\/])(.+)(\.(xlsx))', xlsx).group(2)
    # Setup the call for subprocess.call()
    call = ["python", "./xlsx2csv.py", xlsx, csv_path+filename+'.csv']
    try:
        subprocess.call(call) # On Windows use shell=True
    except:
        print('Failed with {}'.format(filepath)

outputcsv = './data/bigcsv.csv' #specify filepath+filename of output csv

listofdataframes = []
for file in glob.glob(csv_path+'*.csv'):
    df = pd.read_csv(file)
    if df.shape[1] == 24: # make sure 24 columns
        listofdataframes.append(df)
    else:
        print('{}  has {} columns - skipping'.format(file,df.shape[1]))

bigdataframe = pd.concat(listofdataframes).reset_index(drop=True)
bigdataframe.to_csv(outputcsv,index=False)

我试图让这个对我有用，但没有成功。也许你可以让它为你工作？或者有没有人有什么想法？

如何改进我的追加和读取 excel For loop in python

How to improve my append and read excel For loop in python

python

append

concatenation