(Python)複数のExcelファイル内における特定シート内特定列のデータを一括抽出し、各列内データを１行に納めるには

背景

複数のExcelファイルの特定シート内の特定列のデータを一括抽出し、それぞれ１行に納めたい際に、pythonを用いて、さくっと処理することができたので、備忘録として、整理することにしました。

１．複数のExcelファイルを読み込むには

• 今回は、前提として、約１５０個のファイルを同一フォルダに格納しています。
• 最初に、フォルダ内のファイル一覧を取得します。

import glob
files=glob.glob(r'/レビュー結果分析用/*.xlsx')

• 次に、pandas.read_excel()を使用して、ファイル一覧から一つづつファイル名を取得して、Excelファイルの特定シートを読み込みます。
• さらに、valuesを用いて、特定シート内の特定列のデータを抽出します。例では、特定列は１０項目（左から）になります。

import pandas as pd
for file in files:
    df = pd.read_excel(file, sheet_name='指摘事項一覧')
    for row in df.values:
      # １０列目のデータを抽出
      s_data = str(row[9]).strip().rstrip()

２．後処理

• 取得したデータを１行にまとめたい場合

  • 取得した列データ内を１行に納めたい場合には、データ内の改行コードを取り除きます。これは、データ分析においては、よくあるケースと思われますので、載せておきます。 print(s_data.replace('\n',''))

• 日付データが含まれる場合

  • pythonでExcelファイルを読み込むと、Excelファイル上で表示されていた日付が、41496 などの 5桁の数値に変換されてしまう、といった事象に出会すことがあるかと思います。これは、Excelでの日付は 1900年1月1日を起点 (1 日目) として、そこから日数を加算した数値で日付データを保持している、というのが原因のようです。（関連記事２参照）。
  • そこで、以下のような関数を作成して、変換する必要がありますので、実際に動いたコードを記載しておきます。

def excel_date(num):
    from datetime import datetime, timedelta
    return(datetime(1899, 12, 30) + timedelta(days=num))

print(pd.to_datetime(excel_date(row[11]), format='%Y年%m月%d日'))

以上になります。（もっと簡単な方法があるよ、というのがあれば、ぜひ、コメントください）

関連記事

1. Pythonでフォルダ内のファイルリストを取得する
2. エクセル日付の「数値」を python の datetime に変換する