使用 Pandas 实现 Excel 多表联合操作实战

🧾 项目背景

        在企业数据分析中，我们经常需要将多个 Excel 表格中的数据进行关联、合并与筛选。
例如：

• 将品牌信息表和销售金额表合并；
• 根据城市信息表补充地区维度；
• 对多张工作表进行统一清洗与输出。

本文将以一个完整的 Python 脚本为例，演示如何使用 pandas 对多个 Excel 文件进行：

1. 数据读取
2. 多表合并（left join）
3. 类型转换与空值处理
4. 条件筛选
5. 结果写入新文件

📁 数据说明

        假设你有三个 Excel 文件：

1、测试版表3_1.xlsx（品牌信息表）

ID	品牌
1	A品牌
2	B品牌
3	C品牌

2、测试版表3_2.xlsx（交易金额表）

ID	交易金额
1	150
2	80
3	200

3、 测试版表3_3.xlsx（城市信息表）

ID	城市
1	成都市
2	重庆市
3	昆明市

我们的目标是：

• 合并这三个表，补全缺失的“交易金额”和“城市”字段；
• 筛选出“交易金额 ≥ 100 且 城市 = 成都市”的记录；
• 将结果保存到新的 Excel 文件中。

🧪 脚本解析

 1. 导入库并读取数据

import pandas as pd

# 读取三个Excel文件
brands = pd.read_excel('测试版表3_1.xlsx', sheet_name='Sheet1')
amount = pd.read_excel('测试版表3_2.xlsx', sheet_name='Sheet1')
city = pd.read_excel('测试版表3_3.xlsx', sheet_name='Sheet1')

每个表格分别代表不同的业务维度，后续通过 ID 字段进行连接。

2. 第一次合并：品牌 + 交易金额

# 使用左连接合并 brands 和 amount 表
table = brands.merge(amount, how='left', on='ID').fillna(0)

# 将交易金额列转为整数类型
table['交易金额'] = table['交易金额'].astype(int)

• how='left' 表示保留所有品牌信息，缺失金额用 0 补齐；
• astype(int) 避免因为空值导致数值列被识别为 float。

3. 第二次合并：加入城市信息

# 再次左连接 city 表
table2 = table.merge(city, how='left', on='ID').fillna(0)

# 将城市列转为字符串类型
table2['城市'] = table2['城市'].astype(str)

这样我们就可以得到一个包含品牌、交易金额、城市的完整数据集。

4.  应用筛选条件

# 筛选交易金额 >= 100 且 城市 == '成都市'
finally_brand = table2[(table2['交易金额'] >= 100) & (table2['城市'] == '成都市')]

可以根据实际需求灵活组合多个条件，实现精准筛选。

5. 写入 Excel 文件

# 写入合并后的完整数据
with pd.ExcelWriter('测试版表4.xlsx', mode='w', engine='openpyxl') as writer:
    table2.to_excel(writer, sheet_name='Sheet1', index=False)

# 写入筛选后的数据
with pd.ExcelWriter('测试版表4.xlsx', mode='a', engine='openpyxl', if_sheet_exists='replace') as writer:
    finally_brand.to_excel(writer, sheet_name='处理后的数据', index=False)

• 使用 mode='w' 创建新文件；
• 使用 mode='a' 添加第二个工作表；
• index=False 避免写入行索引。

✅ 示例输出

        运行脚本后，你将在 测试版表4.xlsx 中看到两个工作表：

Sheet1（完整合并数据）

ID	品牌	交易金额	省份
1	A品牌	150	成都市
2	B品牌	80	重庆市
3	C品牌	0	昆明市

处理后的数据（筛选后）

ID	品牌	交易金额	省份
1	A品牌	150	成都市

📝 总结

        本文通过一个完整的案例，介绍了如何使用 pandas 对多个 Excel 文件进行：

• 多表合并（merge / left join）
• 缺失值填充（fillna）
• 数据类型转换（astype）
• 条件筛选（布尔索引）
• 结果导出（to_excel）

这些操作是构建数据管道、实现自动化办公的重要基础技能。