自动加载并合并多个 Excel 工作表的数据

现在，您将通过实现一个 for 循环，自动从 Excel 文件 listings.xlsx 中的三个交易所工作表导入上市信息。您将完成以下步骤：

使用 pd.ExcelFile() 对象的 sheet_names 属性获取工作表名称。
创建一个空列表。
编写一个 for 循环，遍历这些工作表名称，将对应工作表中的数据读入一个变量。需要的话，添加一个标识列。每次迭代都将该变量的内容追加到列表中。
将列表中的所有 DataFrame 进行纵向合并。

和往常一样，如需帮助，请参考本章之前的练习或查阅 pandas 文档。pandas 已以 pd 导入。

本练习是课程的一部分

在 Python 中导入与管理金融数据

查看课程

练习说明

使用文件 listings.xlsx 创建 pd.ExcelFile() 对象，并赋值给变量 xls。
从 xls 的 .sheet_names 属性中获取工作表名称，并赋值给 exchanges。
创建一个空列表，并赋值给变量 listings。
使用以 exchange 为迭代变量的 for 循环遍历 exchanges。在每次迭代中：
- 使用 pd.read_excel()，以 xls 为数据源，exchange 作为 sheet_name 参数，'n/a' 作为 na_values 以处理缺失值。将结果赋值给 listing。
- 在 listing 中创建名为 'Exchange' 的新列，取值为 exchange（迭代变量）。
- 将得到的 listing DataFrame 追加到 listings 中。
使用 pd.concat() 将 listings 的内容合并，并赋值给 listing_data。
使用 .info() 查看 listing_data 的内容。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Create the pd.ExcelFile() object
xls = ____

# Extract the sheet names from xls
exchanges = ____.____

# Create an empty list: listings


# Import the data
for exchange in exchanges:
    listing = pd.____(____, sheet_name=____, na_values='n/a')
    listing['Exchange'] = ____
    listings.____(____)

# Concatenate the listings: listing_data
listing_data = pd.____(____)

# Inspect the results
listing_data.info()

编辑并运行代码