本文介绍基于Python语言，针对一个文件夹下大量的Excel表格文件，对其中的每一个文件加以操作——将其中指定的若干列的数据部分都向上移动一行，并将所有操作完毕的Excel表格文件中的数据加以合并，生成一个新的Excel文件的方法。
首先，我们明确一下本文的需求。在一个文件夹内，有大量的Excel表格文件（以.csv格式文件为例），其中每一个文件都有着类似如下图所示的数据特征；我们希望，对于下图中紫色框内的列，其中的数据部分（每一列都有一个列名，这个列名不算数据部分）都向上提升一行（比如原本数据部分的第2行变到第1行，原本第3行变到第2行，以此类推）。
由上图也可以看到，需要加以数据操作的列，有的在原本数据部分的第1行就没有数据，而有的在原本的数据部分中第1行也有数据；对于后者，我们在数据向上提升一行之后，相当于原本第1行的数据就被覆盖掉了。此外，很显然在每一个文件的操作结束后，加以处理的列的数据部分的最后一行肯定是没有数据的，因此在合并全部操作后的文件之前，还希望将每一个操作后文件的最后一行删除。
知道了需求，我们就可以开始代码的撰写；具体代码如下。
1# -*- coding: utf-8 -*-
2"""
3Created on Fri May 19 01:47:06 2023
4
5@author: fkxxgis
6"""
7
8import os
9import pandas as pd
10
11original_path = "E:/01_Reflectivity/25_2022Data_New"
12result_path = "E:/01_Reflectivity/99_Model/02_Extract_Data/26_Train_Model_New"
13
14result_df = pd.DataFrame()
15
16for file in os.listdir(original_path):
17 if file.endswith(".csv"):
18
19 df = pd.read_csv(os.path.join(original_path, file))
20 columns_move_index = list(range(8, 16)) + list(range(17, 36))
21 for columns_index in columns_move_index:
22 for i in range(len(df) - 1):
23 df.iat[i, columns_index] = df.iat[i + 1, columns_index]
24 if len(df):
25 df = df.drop(len(df) - 1)
26 # df = df.iloc[ : , 1 : ]
27 result_df = pd.concat([result_df, df])
28
29result_df.to_csv(os.path.join(result_path, "Train_Model_0715_Main.csv"), index = False)
其中，original_path表示存放有多个待处理的Excel表格文件的文件夹路径，result_path则是结果Excel表格文件的存放路径。
首先，我们通过result_df = pd.DataFrame()创建一个空的DataFrame，用于保存处理后的数据。接下来，遍历原始文件夹中的所有文件，并找到文件夹内以.csv结尾的文件；随后，读取这些.csv文件，并将其保存到df中。
其次，我们通过columns_move_index = list(range(8, 16)) + list(range(17, 36))指定需要移动数据的列的索引范围，并随后遍历需要移动数据的列。接下来的df.iat[i, columns_index] = df.iat[i + 1, columns_index]表示将当前行的数据替换为下一行对应的数据。
接下来，我们通过if len(df):判断是否DataFrame不为空，如果是的话就删除DataFrame中的最后一行数据；随后，将处理后的DataFrame连接到result_df中。
最后，我们通过result_df.to_csv()函数，将最终处理后的DataFrame保存为一个新的Excel表格文件，从而完成我们的需求。
至此，大功告成。
