### 使用 Python 将 Excel 文件中的多行数据合并为单行 当处理复杂的 Excel 表格时，有时需要将多行数据合并成一行以便更好地分析或展示。可以利用 `pandas` 和 `openpyxl` 库来完成这一任务。 #### 方法一：使用 pandas 合并多行至单行 对于简单的场景，可以通过加载整个工作簿作为 DataFrame 并应用聚合函数来实现目标。假设存在一个名为 'ship_cost' 的表格，其中包含多个记录项，现在希望把这些记录按特定条件汇总到同一行上： ```python import pandas as pd # 加载Excel文件 df = pd.read_excel('ship_cost.xlsx', sheet_name='Sheet1', engine='openpyxl') # 假设我们要基于某一列（例如ID）进行分组，并把其他所有数值型字段求和 result_df = df.groupby(['ID']).sum().reset_index() print(result_df) ``` 此代码片段会读入指定的工作表，并通过给定的关键字参数 `sheet_name` 来定位具体位置；接着调用 groupby 函数按照 ID 列对原始数据集进行划分，最后计算每组内各数值列的总和[^2]。 #### 方法二：自定义逻辑拼接字符串类型的单元格 如果涉及的是非数值类别的信息，则需采用不同的策略来进行连接操作。这里提供一种方式——遍历每一行并将选定范围内的值串联起来形成新的单一值： ```python def concatenate_rows(df, cols_to_concat=['colA', 'colB']): """Concatenate selected columns into one string per row.""" concatenated_series = ( df[cols_to_concat].astype(str).agg(', '.join, axis=1)) return concatenated_series.rename('_'.join(cols_to_concat)) concatenated_col = concatenate_rows(df) new_df = pd.concat([df.drop(columns=cols_to_concat), concatenated_col], axis=1) print(new_df.head()) ``` 上述脚本展示了如何创建辅助函数 `concatenate_rows()` ，该函数接收待组合的列名列表作为输入参数，在内部执行类型转换以及字符链接的任务，最终返回一个新的 Series 对象用于替换原有多行结构。 #### 方法三：借助 openpyxl 实现更精细控制 针对更加复杂的需求，比如保留原有格式化样式或是处理非常规布局的情况，推荐直接运用 `openpyxl` 进行底层交互。这允许访问更多细节级别的功能接口，从而灵活调整输出效果： ```python from openpyxl import load_workbook wb = load_workbook(filename="ship_cost.xlsx") ws = wb.active merged_data = [] for i in range(2, ws.max_row + 1): # 跳过标题行 merged_value = "" for j in range(ws.min_column, ws.max_column + 1): cell_value = ws.cell(row=i, column=j).value if isinstance(cell_value, (int, float)): merged_value += f"{cell_value:.2f} " elif isinstance(cell_value, str): merged_value += f"'{cell_value}' " merged_data.append({"Merged": merged_value.strip()}) final_df = pd.DataFrame(merged_data) print(final_df) ``` 这段程序先打开 Excel 文档并通过迭代获取每个单元格的内容，随后依据实际需求构建复合表达式的字符串表示形式，再将其存入临时存储器中等待后续转化为 DataFrame 结构[^1]。