1. 問題背景
在日常工作中我們經常遇到具有相同表頭的 Excel 文件,需要將它們合併到同一個工作表中再進行分析。當文件比較多時,手工合併表格通常是件很麻煩的事情,而如果數據量很大,用 Excel 自帶的 VBA 來處理也會經常卡死。今天我就來分享一個專業的外部數據工具——集算器,掌握了集算器處理 Excel 多表合併的方法,就不用再編寫複雜且低效的 VBA 代碼了,簡單的幾行 SPL(Structured Process Language,結構化過程處理語言)代碼就能輕鬆搞定 Excel 文件合併,即使文件再多、再大也不用擔心。
2. 基本合併
A. 同一個 excel 中的多表合併
下面的例子是一個包含了銷售數據的 excel 文件,其中包含了按月劃分的 3 個結構相同的 sheet 工作表,數據如下:
january_2013:
Customer ID | Customer Name | Invoice Number | Sale Amount | Purchase Date |
1234 | John Smith | 100-0002 | $1,200.00 | 2013/1/1 |
2345 | Mary Harrison | 100-0003 | $1,425.00 | 2013/1/6 |
3456 | Lucy Gomez | 100-0004 | $1,390.00 | 2013/1/11 |
4567 | Rupert Jones | 100-0005 | $1,257.00 | 2013/1/18 |
5678 | Jenny Walters | 100-0006 | $1,725.00 | 2013/1/24 |
6789 | Samantha Donaldson | 100-0007 | $1,995.00 | 2013/1/31 |
february_2013:
Customer ID | Customer Name | Invoice Number | Sale Amount | Purchase Date |
9876 | Daniel Farber | 100-0008 | $1,115.00 | 2013/2/2 |
8765 | Laney Stone | 100-0009 | $1,367.00 | 2013/2/8 |
7654 | Roger Lipney | 100-0010 | $2,135.00 | 2013/2/15 |
6543 | Thomas Haines | 100-0011 | $1,346.00 | 2013/2/17 |
5432 | Anushka Vaz | 100-0012 | $1,560.00 | 2013/2/21 |
4321 | Harriet Cooper | 100-0013 | $1,852.00 | 2013/2/25 |
march_2013:
Customer ID | Customer Name | Invoice Number | Sale Amount | Purchase Date |
6634 | Poop Smith | 100-0014 | $1,350.00 | 2013/3/4 |
8765 | Tony Song | 100-0015 | $1,167.00 | 2013/3/8 |
2345 | Mary Harrison | 100-0016 | $1,789.00 | 2013/3/17 |
6543 | Rachel Paz | 100-0017 | $2,042.00 | 2013/3/22 |
3456 | Lucy Gomez | 100-0018 | $1,511.00 | 2013/3/28 |
4321 | Susan Wallace | 100-0019 | $2,280.00 | 2013/3/30 |
在合併3個sheet的同時,我們還可以同時從每個sheet中篩選出字段Customer Name, Sale Amount。最後的效果如下:
Customer Name | Sale Amount |
John Smith | 1200 |
Mary Harrison | 1425 |
Lucy Gomez | 1390 |
Rupert Jones | 1257 |
Jenny Walters | 1725 |
....... | ........ |
Susan Wallace | 2280 |
集算器SPL腳本:
A | |
1 | =file(”D:/sales_2013.xlsx”).xlsopen() |
2 | =A1.conj(A1.xlsimport@t('Customer Name','Sale Amount';~.stname)) |
3 | >file(“D:/result_2013.xlsx”). xlsexport@t(A2;"merge_sheets") |
腳本說明:
A1:打開指定的 excel 文件,創建一個由多個 sheet 工作表組成的序列。
A2:利用 conj 函數遍歷 A1 序列中所有的成員工作表,導入每個工作表中指定列'Customer Name','Sale Amount',並將數據併合並。其中 xlsimport 函數導入指定列,最後一列用分號; 隔開。 參數~.stname表示指定當前工作表,由於在 conj 函數的循環中,所以就可以逐個導入所有工作表。同時,xlsimport 使用選項@t指明將工作表的第一行記錄作爲字段名。
A3:將序表 A2 作爲一個新的工作表“merge_sheets”保存到原來的 excel 文件中,同樣用選項 @t 指明首行記錄爲標題。
這段腳本只有三句話,短小精幹之餘,邏輯清晰,也比較容易理解。下面我們再看看如何合併多個文件中的多個工作表。
B. 不同 excel 中的多表合併
下面是要合併的多個 excel 文件,它們都具有和上面例子相同的表結構,每個文件記錄了當年的數據 :
集算器 SPL 腳本:
A | B | |
1 | for directory@p(”d:/excel/*.xlsx“) | =file(A1).xlsopen() |
2 | =B1.conj(B1.xlsimport@t('Customer Name','Sale Amount','Purchase Date';~.stname)) | |
3 | =@|B2 | |
4 | > file(“d:/result.xlsx”). xlsexport@t(B3;"merge_data") |
合併的效果如下:
Customer Name | Sale Amount | Purchase Date |
John Smith | 1200 | 2013-01-01 |
Mary Harrison | 1425 | 2013-01-06 |
Lucy Gomez | 1390 | 2013-01-11 |
Rupert Jones | 1257 | 2013-01-18 |
...... | ...... | ...... |
Thomas Haines | 1346 | 2013-02-17 |
腳本說明:
A1:通過 for 循環,遍歷指定目錄下的 excel 文件,在 B1 到 B3 之間進行循環內處理.
B1:打開目錄下的一個 excel 文件,生成序列。
B2:導入當前文件中的每個 sheet 工作表中指定列'Customer Name','Sale Amount','Purchase Date'的數據,然後合併這些數據,與前面例子中的 A2 類似。
B3:將序表 B2 的數據與 @表示的本網格的值進行合併。
A4:將序表 B3 保存到result.xlsx文件中的 merge_data 工作表中。
上面程序用兩個循環就實現了多個 excel 文件數據合併,外循環 for 遍歷了目錄下所有的 excel 文件,內循環B1.conj則合併每個excel文件中的多個sheet工作表的數據。
C. 合併出大文件
前面第一個例子中的 A2、第二個例子中的 B3 都是在內存中裝載了合併後的 Excel 的所有數據,然後一次性寫出。如果文件太多太大,那麼對內存的佔用也會很大,甚至超出內存允許的範圍。爲此,我們可以採用流式追加的方式生成大文件。
集算器 SPL 腳本:
A | B | |
1 | =file("D:/out.xlsx") | |
2 | for directory@p(”d:/excel/*.xlsx“) | =file(A2).xlsopen() |
3 | =if(A1.exists(),B2.xlsimport@t(),B2.xlsimport()) | |
4 | >A1.xlsexport@s(B3;"merger") |
合併後的效果如下:
Customer ID | Customer Name | Invoice Number | Sale Amount | Purchase Date |
1234 | John Smith | 100-0002 | 1200 | 2013-01-01 |
2345 | Mary Harrison | 100-0003 | 1425 | 2013-01-06 |
3456 | Lucy Gomez | 100-0004 | 1390 | 2013-01-11 |
4567 | Rupert Jones | 100-0005 | 1257 | 2013-01-18 |
...... | ...... | ...... | ...... | ...... |
6789 | Thomas Haines | 100-0002 | 1346 | 2013-02-17 |
腳本說明:
A1:打開指定輸出的文件。
A2: 遍歷目錄下需要合併的 excel 文件。
B2:打開一個需要合併的 excel 文件。
B3:如果輸出文件不存在,讀取 sheet 工作表的所有數據,包括標題行;如果輸出文件已經有了,就通過 @t 選項指明第一行是標題,從第二行開始讀取數據。
B4:將 B3 讀取的數據以流式追加到 A1 指定的輸出文件的 merger 工作表中。
通過流式逐個讀取文件數據後追加寫入,這個方式適合將大量小的 excel 文件合併成一個大的 excel 文件。
3. 分組彙總
下面繼續以前面的銷售數據 excel 文件爲例。
A. 字段分組
根據某個字段或多個字段實現分組計算,腳本如下:
A | B | |
1 | =file(”D:/sales_2013.xlsx”).xlsopen() | |
2 | =A1.conj(A1.xlsimport@t(;~.stname)) | |
3 | =A2.groups('Customer ID';sum('Sale Amount'):Total,avg('Sale Amount'):Average) | |
4 | =A2.groups('Customer ID','Purchase Date';sum('Sale Amount'):Total) |
A3的效果:
Customer ID | Total | Average |
1234 | 2550 | 1275.0 |
2345 | 3214 | 1607.0 |
3456 | 2901 | 1450.5 |
4321 | 4132 | 2066.0 |
…… | …… | …… |
4567 | 1257 | 1257.0 |
A4的效果:
Customer ID | Purchase Date | Total |
1234 | 2013-01-01 | 1200 |
1234 | 2013-03-04 | 1350 |
2345 | 2013-01-11 | 1425 |
2345 | 2013-03-17 | 1789 |
…… | …… | …… |
9876 | 2013-02-02 | 1115 |
腳本說明:
A1:打開指定的 excel 文件。
A2:讀取併合並文件中所有 sheet 工作表的數據。
A3:在合併後的數據上按字段 'Customer ID' 分組求銷售額、平均值
A4:在合併後的數據上按字段 'Customer ID', 'Purchase Date' 分組求銷售額
B. 按序分組
集算器在進行分組聚合時還可以和相鄰數據行對比,在原數據已經有序時可以不再排序,從而節省時間,並保持原有的次序。假設原數據已經按日期排序,我們想按月份分組統計時,代碼如下。
集算器 SPL 腳本:
A | B | |
1 | for directory@p(”d:/excel/*.xlsx“) | =file(A1).xlsopen() |
2 | =B1.conj(B1.xlsimport@t(;~.stname)) | |
3 | =@|B2 | |
4 | =B3.derive(year('Purchase Date'):Year,month('Purchase Date'):Month) | |
5 | =A4.groups (month('Purchase Date'):Month;sum('Sale Amount'):Total,avg('Sale Amount'):Average) | |
6 | =A4.groups@o (month('Purchase Date'):Month;sum('Sale Amount'):Total,avg('Sale Amount'):Average) |
A5分組效果:
Month | Total | Average |
1 | 272414 | 15134.111111111111 |
2 | 168038 | 9335.444444444445 |
3 | 357693 | 19871.833333333332 |
A6分組效果:
Month | Total | Average |
1 | 8992 | 1498.6666666666667 |
2 | 9375 | 1562.5 |
3 | 10139 | 1689.8333333333333 |
1 | 260221 | 43370.166666666664 |
2 | 103656 | 17276.0 |
3 | 101509 | 16918.166666666668 |
1 | 3201 | 533.5 |
2 | 55007 | 9167.833333333334 |
3 | 246045 | 41007.5 |
腳本說明:
A1至 B3:在前面的例子中已經介紹,將同一目錄下所有相同結構的 excel 文件的工作表進行合併。
A4:在序表 B3 的基本上重新構造了一個序表 A4,將日期拆分,新增年、月字段。
A5:groups 跨年度按月分組彙總銷售額、平均值。
A6:groups@o 按年月分組彙總銷售額、平均值, 帶參數 @o 實現分組歸併處理.
其中,A4 爲數據記錄明細;A5 按月統計, 不區分年;A6 則按年月統計。這三個單元格中的數據展現出了不同層次的合併彙總結果。
C. 分段分組
將要統計的數據按條件分成幾段,統計各組的情況。
集算器 SPL 腳本:
A | B | |
1 | for directory@p(”d:/excel/*.xlsx“) | =file(A1).xlsopen() |
2 | =B1.conj(B1.xlsimport@t(;~.stname)) | |
3 | =@|B2 | |
4 | =B3.groups(if ('Sale Amount'<1000,"1::<1000", if ('Sale Amount'<1500,"2::1000~~1500", if ('Sale Amount'<2000,"3::1500~~2000", if ('Sale Amount'<2500,"4::2000~~2500", "5::>=2500")))):Segment; count(1):Number,sum('Sale Amount'):Total) |
分組效果:
Segment | Number | Total |
1::<1000 | 22 | 8280 |
2::1000~~1500 | 9 | 11617 |
3::1500~~2000 | 6 | 10432 |
4::2000~~2500 | 4 | 8810 |
5::>=2500 | 13 | 759006 |
代碼說明:
步驟A1到 B3 之間參考前面例子的說明。
A4:字段'Sale Amount'金額的範圍分成 5 段,然後累計求出各段的數量及總數。
不過,這樣的寫法不夠方便,如果我們想調整分段方案,就需要修改 groups 函數的參數,而這個參數表達式還是比較複雜的。這時,我們還可以利用集算器中另一個 pseg 函數,更方便地實現這個功能,腳本如下:
A | B | |
1 | [0,1000,1500,2000,2500] | |
2 | for directory@p(”d:/excel/*.xlsx“) | =file(A1).xlsopen() |
3 | =B1.conj(B1.xlsimport@t(;~.stname)) | |
4 | =@|B2 | |
=B4.groups(A1.pseg(~.'Sale Amount'):Segment; count(1):Number,sum('Sale Amount'):Total) |
當然,我們也可以根據需要,按不同字段不同要求進行分組,然後進行統計處理。例如,在統計班級考生成績時,各科成績可劃分成優、良、中、差、及格的分數區段,一次爲條件進行統計。groups 用法還有很多,可以參考函數手冊中相應的章節。
D. 大數據分組
前面的例子中,要讀取的 excel 文件都不能很大,也就是都能一次讀進內存。手工處理大文件,也會有類似的要求,因爲同時打開多個文件,意味着把這些文件都裝入內存,很可能會超過機器的物理內存,而用 VBA 讀取的情況也差不多。這時,我們就需要用流式的方法讀取數據,不需一次讀進內存,而是邊讀取邊合併。
集算器 SPL 腳本:
A | B | |
1 | =file(“d:/tdata.xlsx”).xlsopen@r() | |
2 | for A1.count() | =A1.xlsimport@ct(;A1(A2). stname) |
3 | =@|B2 | |
4 | = B3.conjx() | =A4.groups('Customer ID';sum('Sale Amount'):SaleTotal) |
>file(“d:/out.xlsx”).exportxls@bt(B4;"Customer&Sales") |
篩選分組的效果:
Customer ID | SaleTotal |
1234 | 107721792 |
2345 | 139041639 |
3456 | 137985543 |
4321 | 96170742 |
... | ... |
9876 | 37590417 |
代碼說明:
A1:使用 @r 選項指明以流式打開 excel 文件。
A2:遍歷 excel 中的 sheet 工作表。
B2:使用 @c 選項指明以遊標方式導入數據。
B3:將遊標B2彙集到B3序列中。
A4:將遊標序列B3的成員合併到一起組成新的遊標。
B4: 序列A4按‘Customer ID’分組累計‘Sale Amount’。
A5:將結果保存。
通過遊標以流的方式循環從大文件中讀取一段段數據,實現對數據的分組合並。
4. 去重處理
實際數據合併過程中,往往會出現數據重複的現象,重複數據肯定會影響到我們對數據的計算分析。下面介紹使用集算器 SPL 腳本去除重複數據的幾種主要解決方法。
A. 主鍵去重
sales_2013中的數據,設其主鍵爲’Invoice Number’,則根據主鍵去掉重複記錄。
A | B | |
1 | =file(“d:/sales_2013.xlsx”).xlsopen() | |
2 | =A1.conj(A1.xlsimport@t('Customer Name', 'Invoice Number', 'Sale Amount';~. stname)) | |
3 | =A2.group@1('Invoice Number') | |
4 | >file(“d:/out.xlsx”). xlsexport@t(A3;"result") |
合併去重後的數據:
Customer Name | Invoice Number | Sale Amount |
John Smith | 100-0002 | 1200 |
Mary Harrison | 100-0003 | 1425 |
Lucy Gomez | 100-0004 | 1390 |
Rupert Jones | 100-0005 | 1257 |
Jenny Walters | 100-0006 | 1725 |
…… | …… | …… |
Susan Wallace | 100-0019 | 2280 |
代碼說明:
A1:打開指定的 excel 文件。
A2:導入 sheet 工作表中指定列的數據。
A3:將序表 A2 按主鍵' Invoice Number '分組去重處理, 其中參數 @1 表示取每一個分組的第一條記錄組成排列後返回(注意是數字 1,不是字母 l)。
A4:將結果保存。
各個 sheet> 中的數據是唯一的,但合併的數據不一定是唯一的,因此採用主鍵方式去掉重複數據。
B. 某字段去重
根據數據表sales_2013中的某字段去重處理, 查看不同姓名的僱員記錄.
A | B | |
1 | =file(“d:/sales_2013.xlsx”).xlsopen() | |
2 | =A1.conj(A1.xlsimport@t('Customer ID', 'Customer Name';~. stname)) | |
3 | =A2.id('Customer Name') | |
4 | =A2.group@1(' Customer Name') | |
5 | >file(“d:/out.xlsx”). xlsexport@t(A4;"result") |
代碼說明:
A1:打開指定的 excel 文件。
A2:導入 sheet 工作表中指定列的數據。
A3: 從序表 A2 中獲取不重複姓名的記錄
A4:從序表 A2中獲取不重複姓名的記錄列表。
A5:將序表 A4 另存,首行記錄爲標題。
A3數據去重結果:
Member |
Anushka Vaz |
Daniel Farber |
Harriet Cooper |
…… |
Tony Song |
A4數據去重結果:
Customer ID | Customer Name |
5432 | Anushka Vaz |
9876 | Daniel Farber |
4321 | Harriet Cooper |
…… | …… |
8765 | Tony Song |
C. 聯合多字段去重
有的記錄雖然有主鍵,但判斷是否爲重複的記錄,需要用其它幾個字段來確定,此時用多個字段聯合來確定是否有重複記錄.
A | B | |
1 | =file(“d:/sales_2013.xlsx”).importxls@t() | |
2 | =file(“d:/sales_2014.xlsx”).importxls@t() | |
3 | =[A1,A2].merge('Customer ID', 'Purchase Date') | |
4 | =A3.group@1('Customer ID', 'Purchase Date') | |
5 | >file(“d:/out.xlsx”). xlsexport@t(A4;"result") |
代碼說明:
A1:導入指定 excel 文件的數據。
A2:同上。
A3:按字段 'Customer ID', 'Purchase Date' 合併序表 A1,A2,返回序表 A3
A4:序表 A3 按 'Customer ID', 'Purchase Date' 分組去重。
A5:將結果保存。
當然,也可以根據需要,參考更多的字段進行分組合並,去掉重複記錄。
D. 記錄級去重
解決要合併的每個文件中的記錄本身是不重複的,但合併後可能存在重複記錄。
A | B | |
1 | =file(“d:/sales_2013.xlsx”).importxls@t() | =A1.group@1('Invoice Number') |
2 | =file(“d:/sales_2014.xlsx”).importxls@t() | =A2.group@1('Invoice Number') |
3 | =[B1,B2].merge@u() | =A3.count() |
代碼說明:
A1:導入 excel 文件的數據。
B1: 根據字段'Invoice Number'去掉序表 A1中的重複數據
A2、B2:同上。
A3:合併序表 B1,B2 的數據,並去掉重複數據記錄返回序表 A3。選項 @u 表示序表成員按順序合併到一起組成新的序表, 去掉重複的記錄。
B3: 查看合併後的數據記錄數。
merge@u適合對多序表合併處理, 其中序表內部有序且無重複數據。
本文主要介紹了集算器處理同構 excel 多文件合併、分組彙總數據及數據去重幾種情況,在實際工作中,還會遇到異構的情況,只要把需要合併的字段讀成集算器的集合對象,後續處理和同構的邏輯是一樣的。學會了用這種專業數據處理工具,不僅能合併 Excel 文件, 合併其他文本數據方法也是一致的,再也不用擔心合併數據中的多文件、大文件和結構差異問題了。