Python 什么'；在pandas read\u excel（）上使用sheet\u name=None将多个工作表连接到数据框中的正确方法是什么？

如图所示

指定“无”以获取所有图纸

无->所有工作表作为数据帧字典

我有一个Excel电子表格，有4张表格，分别命名为place_one、place_two、place_tree和place_four

因此，如果我像这样使用read_excel：

dfs_collection = pd.read_excel(excel_file, sheet_name=None)

然后打电话：

dfs_collection.keys()

结果将是：

odict_keys(['place_one', 'place_two', 'place_tree', 'place_four'])

由于所有工作表都有相同的变量，我可以将DFs与以下内容连接起来：

concatenated = pd.concat([dfs_collection.get('place_one'),
                          dfs_collection.get('place_two'),
                          dfs_collection.get('place_tree'),
                          dfs_collection.get('place_four')])

但这样我就不能（或看不到一种方法）确定观察的起源

硬编码的一种方法是：

df_one = dfs_collection.get('place_one')
df_one['place'] = 'place_one'
...
df_four = dfs_collection.get('place_four')
df_four['place'] = 'place_four' 

然后：

concatenated = pd.concat([df_one,..., df_four])

这会很好，但看起来很难看，要求我在知道床单数量和床单名称之前就知道

什么是pythonic或更漂亮的方法来实现这一点？

因为

pd.read\u excel（）

with

sheet\u name=None

返回一个

OrderedDict

，您可以通过简单的操作将其直接传递到

pd.concat（）

：

df = pd.concat(pd.read_excel('test.xlsx', sheet_name=None, header=None))

这允许将任意数量的工作表连接到单个多索引数据帧中，而无需事先指定数量。请注意，我使用的是

header=None

，因为我的示例Excel文件不包括列标题。请参见下面一张页面的屏幕截图（我的文件有四张页面，名称如下

['place\u one'、'place\u two'、'place\u three'、'place\u four']

）：

然后，

df

对应于：

               0  1
place_four  0  a  1
            1  b  2
            2  c  3
            3  d  4
            4  e  5
            5  f  6
place_one   0  a  1
            1  b  2
            2  c  3
            3  d  4
            4  e  5
            5  f  6
place_three 0  a  1
            1  b  2
            2  c  3
            3  d  4
            4  e  5
            5  f  6
place_two   0  a  1
            1  b  2
            2  c  3
            3  d  4
            4  e  5
            5  f  6

考虑到它是一个多索引数据帧，我可以这样查询：

df.loc[pd.IndexSlice['place_four',:], :]

其中：

              0  1
place_four 0  a  1
           1  b  2
           2  c  3
           3  d  4
           4  e  5
           5  f  6

在您的

pd.concat

通话的每个项目中考虑：

长格式

concatenated = pd.concat([dfs_collection.get('place_one').assign(place = 'place_one'),
                          dfs_collection.get('place_two').assign(place = 'place_two'),
                          dfs_collection.get('place_tree').assign(place = 'place_tree'),
                          dfs_collection.get('place_four').assign(place = 'place_four')])

简短形式包含列表理解

concatenated = pd.concat([d.assign(place = k) for k, d in dfs_collection.items()])

---

你所说的观察结果的来源是什么意思？我指的是观察结果（行）的来源表，即示例上的位置1，位置2。你需要添加一些样本数据，否则很难理解情况。另外，你问题的标题与你正在讨论的问题不太匹配谢谢你的反馈@Yuca，我承认这个问题的框架很糟糕。因为它有一个解决问题的答案，我将更改标题以更好地适应这个问题。