我有一个约500,000行的Excel文件,我想将其拆分为几个Excel文件,每个文件都有50,000行。
我想和大熊猫一起做,这样它将是最快,最简单的。
有什么想法如何制作?
谢谢您的帮助
假设您的Excel文件只有一个包含数据的(第一)表,我会使用chunksize
参数:
import pandas as pd
import numpy as np
i=0
for df in pd.read_excel(file_name, chunksize=50000):
df.to_excel('/path/to/file_{:02d}.xlsx'.format(i), index=False)
i += 1
更新:
chunksize = 50000
df = pd.read_excel(file_name)
for chunk in np.split(df, len(df) // chunksize):
chunk.to_excel('/path/to/file_{:02d}.xlsx'.format(i), index=False)
根据此答案,请使用np.split_arrayhttps://stackoverflow.com/a/17315875/1394890如果您得到
阵列拆分不会导致平等的除法
正如Maxu所解释的,我还将利用可变的块,并将大文件中的行总数分为所需的行数。
import pandas as pd
import numpy as np
chunksize = 50000
i=0
df = pd.read_excel("path/to/file.xlsx")
for chunk in np.split(df, len(df) // chunksize):
chunk.to_excel('path/to/destination/folder/file_{:02d}.xlsx'.format(i), index=True)
i += 1
希望这对您有帮助。
import pandas as pd
l = pd.read_excel("inputfilename.xlsx")
total_size = 500,000
chunk_size = 50000
for i in range(0, total_size, chunk_size):
df = l[i:i+chunk_size]
df.to_excel(str(i)+"outputfilename.xlsx")
我为此写了一个函数:
import numpy as np
import pandas as pd
def split_excel(file_name, n): # n: number of chunks or parts (number of outputed excel files)
df = pd.read_excel(file_name)
l = len(df)
c = l // n # c: number of rows
r = l % c
if r != 0: # if it is not divisible
df[-r:].to_excel(f'part_{l//c+1}.xlsx', index=False)
df = df[:-r]
i = 0
for part in np.split(df, l//c):
part.to_excel(f'part_{i}.xlsx', index=False)
i += 1
split_excel('my_file.xlsx')