Python 如何以特殊格式解析Excel列？

我需要使用熊猫从Excel文件中获取信息。比如我们有这个

    Time  Value1  Value2
0    10     30.5    21.6
1    11      11     50.2
2    13      13     13.33
3    15     101.1    2
4    23       5      5
5    4      11.1     10

我需要使DataFrame包含除过滤列以外的所有列。我需要得到每两行的总和，并将其放入数据帧中。最后,

    Time  Value1  Value2
0    21     41.5    71.8
1    28     114.1   15.33
2    27     16.1     15

---

尝试先读取所有文件，然后对其进行更改-不是解决方案。我需要制作一个带有过滤列的数据帧。谢谢：

根据您的评论，要将四张不同大小的表格读入一个df，您首先必须

• 确保所有图纸的列数和列名大致相同。如果名称不匹配，则将创建新列，使df以指数形式增大，但在许多单元格中使用

  nan

  s

• 一次加载并处理一张工作表，以便在读取下一张工作表之前处理内存中加载的原始数据

您不应该耗尽内存，因为读取8k*600工作表大约需要40MB，但如果遇到更大的数据集：

• 如果内存仍然不足，请尝试强制转换为

  np.float32

  ，可能会牺牲一些和很多内存，但会得到一半的内存使用率

• 或者，您可以处理一张工作表并将其保存到二进制文件中，例如，在继续下一张工作表之前。最终，如果您需要在完整的数据集上进行计算（而且数据集对于内存来说太大），您可能需要研究核心外的算法，但这是另一回事

如果这一切都在记忆中，那么你就可以阅读

df = [] # list of dfs
for sht in list_with_sheetnames:
    buffer = pd.read_excel(pth+filename, sheet_name=sht)
    df.append(buffer.groupby(buffer.index // 2).sum())
    del buffer
df = pd.concat(df, ignore_index=True) # convert from list of dfs to single df

---

您可以制作一个每两行增加一次的石斑鱼，然后对这些行求和

从excel读取数据后：

df = df.groupby(df.index // 2).sum()

---

为什么不阅读然后修改呢？我已经说过了。）这不是一个解决方案。好的，你能解释一下什么是不方便的，这样我们就可以找到解决方案了吗？哦，对不起。问题是，我需要读取一个大文件（4张Excel表格，每个表格中有8k行和600列），并对每两行进行求和，然后确定如何将其全部保存在DataFrame中