Python批量合并Excel，实现数据透视表

数据透视表是Excel非常高级的功能，它能够将长表转换成宽表，以多维度交叉的形式查看数值，更容易对比和分析数据。

单个Excel表的数据透视是比较容易的，然而如果数据分散在不同的Excel工作表的时候就难以处理。这时候结合Python，我们就能强强联手。

## 问题定义

有这样的一个书店销售数据，分多个sheet，每个sheet是一个月份的数据销售记录，现在一个个sheet查看数据不方便，就想到用数据透视表。

如果我想实现如下的结果透视表，该怎么做到呢？

大家如果仔细查看这个透视表，会发现每本书不同月份的销量、不同书籍相同月份的销量等趋势和对比，都更加明显的得到对比。

## 引入Pandas，读取源Excel文件

## 将多个Sheet表进行合并

因为源工作表中没有“月份”这一列，但是数据透视的时候需要按月份透视，所以我们先新增这一列，值设置为sheet name，然后对多个表合并，合并时用到了pd.concat。

## 调用pd.pivot_table实现数据透视

如上的pd.pivot_table很强大，介绍下其中的参数：

- df_all，即要访问的data frame数据

- index，透视表的行

- columns，透视表的列

- values，透视表的数值

- aggfunc，对值的聚合函数，默认是mean，这里改成sum加和

- fill_value，有些书籍在某些月份是没有销售的，填充值为0

- margins，是否在行尾部、列尾部，添加汇总列

- margins_name，汇总列的名字

打印透视表，看到如下效果

## 保存到结果Excel文件

这一步就简单了

## 总结

相比Excel，Python在批量化处理上具备强大的优势，结合透视表，可以实现比Excel原生透视表更强大的功能。