话说Excel数据表，分久必合、合久必分。Excel数据表的“分”与“合”是日常办公中常见的操作。手动操作并不困难，但数据量大了之后，重复性操作往往会令人崩溃。利用Python的Pandas库，便可以自动实现Excel数据表的“分分合合”。下面结合实例来分享本人整理的实用代码片段。（如有更好的方式，欢迎批评指正）

从数据平台（如问卷平台）中导出的数据往往是清单型的，每一行都是一条记录，数据量大的时候，表格往往是很“长”的。有时需要按照某列的不同数值，将一个总表“分”成单独的一些Excel文件。

例如：将20个班级1000名学生的总表，按班级分成20个Excel文件。

调用to_excelByColName函数，效果如下：

例如：将20个班级1000名学生的总表，按班级分成1个Excel文件的20个sheet表。

调用to_excelByColNameWithSheets函数，效果如下：

在处理数据的时候，有时需要添加多个辅助列，这样也会让数据表越来越“宽”。而最终我们只需要某些关键列即可，那么这就涉及到横向数据分割，或者说提取某些列保持成一个单独的数据表。横向的分割只需要给DataFrame传入列名列表即可。

例如：只需要数据表中的姓名和班级字段，可以这样写。

对于结构相同的数据，在数据处理时可以将其在纵向上拼接，方便一起处理。

例如：将20个班级的Excel文件，合并成一个数据表

调用readExcelFilesByNames函数，效果如下：

如下调用readExcelBySheetsNames,运行效果如下：

对于不同Excel工作表之间的横向合并，主要是用根据某些列（如：姓名、身份证号等）进行合并。在pandas库中可以用merge方法来实现，这是个十分好用的方式，展开讲篇幅较长，后续详细整理。

本文所谈的Python处理Excel文件方式主要是基于pandas库的，主要针对的是清单型的数据表。清单型的数据表在下面的文章中有详细介绍：

数据表的分主要涉及的是文件保存（写入），对程序来说属于输出环节；

数据表的合主要针对的是文件打开（读取），对程序而言属于输入环节。

以上代码在针对大量重复性的表格分与合时，优势巨大；但对于偶尔、少量的分与合，也许用鼠标点击更快。

技术没有好坏之分，需要我们灵活使用！

清单型的数据表在下面的文章中有详细介绍：

数据表的分主要涉及的是文件保存（写入），对程序来说属于输出环节；

数据表的合主要针对的是文件打开（读取），对程序而言属于输入环节。

以上代码在针对大量重复性的表格分与合时，优势巨大；但对于偶尔、少量的分与合，也许用鼠标点击更快。

技术没有好坏之分，需要我们灵活使用！