总结:在工作场景中的应用。（Excel）

一.字段的合并方法（将多列内容合并成一列）

处理 Excel 操作是 Python 办公自动化的常用场景，我们可以用pandas库（简单易用）来实现这些功能。下面我会用 "普通人能看懂" 的方式，一步步讲解每个操作的具体方法，包括准备工作、代码和结果说明。

代码示例：

# 1. 导入工具
import pandas as pd

# 2. 读取Excel文件（确保文件和代码在同一个文件夹）
df = pd.read_excel("data.xlsx")

# 3. 合并字段（核心操作）
# 合并"姓"和"名"为"姓名"（中间加空格）
df["姓名"] = df["姓"] + " " + df["名"]

# 合并"省"和"市"为"地址"（中间加"省"和"市"字）
df["地址"] = df["省"] + "省" + df["市"] + "市"

# 4. 保存结果到新的Excel
df.to_excel("result.xlsx", index=False)  # index=False表示不保存行号

2. 字段的拆分方法（将一列内容拆分成多列）

场景：比如有 "姓名" 列（格式为 "张 三"），想拆成 "姓" 和 "名"；或者有 "日期" 列（格式为 "2023-10-01"），想拆成 "年"" 月 ""日"。

# 1. 导入工具
import pandas as pd

# 2. 读取Excel文件
df = pd.read_excel("data.xlsx")

# 3. 拆分字段（核心操作）
# 拆分"姓名"列（按空格拆分，拆成2列）
# expand=True表示拆分成多列
name_split = df["姓名"].str.split(" ", expand=True)
df["姓"] = name_split[0]  # 第一部分作为"姓"
df["名"] = name_split[1]  # 第二部分作为"名"

# 拆分"日期"列（按"-"拆分，拆成3列）
date_split = df["日期"].astype(str).str.split("-", expand=True)  # 先转成字符串
df["年"] = date_split[0]
df["月"] = date_split[1]
df["日"] = date_split[2]

# 4. 保存结果
df.to_excel("result.xlsx", index=False)

3. 字段的匹配操作（类似 Excel 的 VLOOKUP 功能）

场景：有两个表，想根据一个共同的 "关键词"（比如 "学号"），把第二个表的信息匹配到第一个表中。

# 1. 导入工具
import pandas as pd

# 2. 读取两个表
df1 = pd.read_excel("表1.xlsx")  # 主表（需要补充信息的表）
df2 = pd.read_excel("表2.xlsx")  # 副表（提供补充信息的表）

# 3. 匹配操作（核心：类似VLOOKUP）
# on="学号"：根据"学号"这一列匹配
# how="left"：保留主表(df1)的所有行，即使副表没有对应数据
merged_df = pd.merge(df1, df2, on="学号", how="left")

# 4. 保存结果
merged_df.to_excel("匹配结果.xlsx", index=False)

4. 表格的合并方法（将多个表上下拼接成一个表）

场景：比如有 "1 班成绩.xlsx" 和 "2 班成绩.xlsx"，结构完全相同（列名一样），想合并成 "全年级成绩.xlsx"。

# 1. 导入工具
import pandas as pd

# 2. 读取多个表
df1 = pd.read_excel("1班.xlsx")
df2 = pd.read_excel("2班.xlsx")

# 3. 合并表格（核心：上下拼接）
# axis=0表示纵向合并（上下拼），ignore_index=True表示重新编号行
combined_df = pd.concat([df1, df2], axis=0, ignore_index=True)

# 4. 保存结果
combined_df.to_excel("全年级.xlsx", index=False)

5. 表格的拆分方法（将一个表按条件拆分成多个表）

场景：有一个 "全年级成绩.xlsx"，想按 "班级" 列拆分成 "1 班.xlsx""2 班.xlsx" 等多个文件。

# 1. 导入工具
import pandas as pd

# 2. 读取总表
df = pd.read_excel("全年级.xlsx")

# 3. 按"班级"列拆分（核心操作）
# 获取所有不重复的班级（比如["1班", "2班"]）
classes = df["班级"].unique()

# 循环每个班级，保存成单独的文件
for cls in classes:
    # 筛选出当前班级的所有行
    class_df = df[df["班级"] == cls]
    # 保存为Excel（文件名用班级名）
    class_df.to_excel(f"{cls}.xlsx", index=False)

6. 表格的转换方法（行列转换、格式转换等）

场景：比如想把表格 "转置"（行变列、列变行）；或者把 "宽表" 转成 "长表"（适合统计分析）。

表格转置（行列互换）

import pandas as pd

df = pd.read_excel("销售数据.xlsx")
# 转置操作（T是transpose的缩写）
transposed_df = df.T  # 行变列，列变行
# 重置表头（转置后第一行作为表头）
transposed_df.columns = transposed_df.iloc[0]  # 用第一行数据作为列名
transposed_df = transposed_df.drop(transposed_df.index[0])  # 删除原来的表头行

transposed_df.to_excel("转置结果.xlsx", index_label="产品")  # index_label给行名加标题

操作 2：宽表转长表（适合数据透视）

import pandas as pd

df = pd.read_excel("销售数据.xlsx")
# 宽表转长表（核心用melt函数）
# id_vars：保留不变的列（这里是"月份"）
# var_name：原来的列名（产品A、产品B）存到"产品"列
# value_name：原来的数值存到"销量"列
long_df = df.melt(id_vars=["月份"], var_name="产品", value_name="销量")

long_df.to_excel("长表结果.xlsx", index=False)