使用 pd.read_excel 忽略部分文件名

Question

我是 Python 和 Pandas 的新手，正在尋求幫助。

我已經編寫了 Python 代碼，以便讀取每月 Excel 文件，操作數據並將 append 到另一個文件。 我的問題是每個月原始文件都會重命名以匹配生成的年份和日期，例如上個月的是“2022 McCarthy LEM_2022 Financial Reporting_20220329”。

有沒有辦法使用 pd.read_excel 並讓它在包含“McCarthy”“LEM”或“Financial Reporting”的文件夾中獲取 any.xlsx 文件名？

我目前只使用以下簡單代碼：

    pd.read_excel("2022 McCarthy LEM_2022 Financial 
    Reporting_20220329.xlsx",  sheet_name = "2022 Billable Work Order 
    Data")

還是我應該采取不同的方法來解決這個問題？

理想情況下，我會在 email 中收到報告，將報告保存到一個文件夾中，然后想啟動 Python 腳本，而不必在代碼中更改文件名。

感謝您的任何想法和幫助！

Answer 1

您可以使用 python 標准庫中包含的glob之類的東西。

import glob

substring_list = ["McCarthy", "LEM", "Financial Reporting"]

file_lists = glob.glob("path/to/directory/*.xlsx")
for file in file_lists:

    if any(substring in file for substring in substring_list):
      
        pd.read_excel(file,  sheet_name = "2022 Billable Work Order Data")
      

我使用了更基本的方法來檢查 substring 是否在字符串中，而不是在正則表達式中，但是glob也可以接受正則表達式，所以你可以那樣做。 但是，如果您只對一組特定的子字符串感興趣，那么這可能更容易理解並在需要時進行更改。