首先是需求一：
有 表 A.xlsx 和 表 B.xlsx，想将其纵向合并成同一张表格:
以及需求二：
想在 表 C.xlsx 中提取第三列、在 表 D.xlsx 中提取前两列，整合成新的表格：
如果不用编程，纯手工操作其实并不难，选中区域、复制再粘贴就搞定了。
工作量小的情况下，手工操作一番还挺快乐的；
但如果文件几十上百份、甚至成百上千的话就一言难尽了。
所以，工作量大时，编程代码来实现上述操作的优势就凸显了：
修改代码中几个参数，设置几个循环遍历，等几秒钟便可轻松搞定。
下面看 Python 实现的思路和步骤，还是要用之前提到过的 pandas 库。
pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。
Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。
pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。
关于 pandas 网上一堆这里先不赘述。
此外，由于涉及 xlsx 格式的 Excel 表格读写，还需要 xlrd 和 openpyxl 模块的支持，可通过以下命令安装模块：
pip install xlrdpip install openpyxl
如果运行代码过程中，报错 No Module ... 可以尝试安装相应模块来解决。
需求一编码
模块准备就绪，首先是导入 pandas 模块，通过 read_excel 方法来读取表格内容。
表 A 读取如下：
表 B 读取如下：
读取到的表格内容的数据格式是 Dataframe (pandas 中的一种数据格式)，最左侧竖排 0 开始的数字是该数据格式的 index。
我们可以通过 pandas 中的 concat 方法来合并不同的 Dataframe。
注意 concat 方法中有个参数是 axis，默认为 0 表示按行即纵向合并，此处我们没有做设置使用的是默认值：
合并成功，但仍有问题，即最左侧的 index 和 "序号" 一列中的数字并没有实现依据实际表格数据进行更新，仍是保持原样需要做调整。
首先是通过 reset_index 来重置下 index：
此外还要对"序号"这一列中的数字更新处理：
OK，纵向合并完成，将合并后的数据通过 to_excel 方法保存到 xlsx 表格中：
最终，文件夹内会生成 result1.xlsx 表格文件，即合并后的结果了。
需求二编码
相较上个需求，此处额外多了一个提取某列，即定位数据格式中的部分数据，同时不同的是这次我们要横向按列合并提取出的内容。
大致有些思路，仍是一步步来，首先仍是通过 read_excel 读取两个表格：
因为需求要定位到特定某列，故通过 iloc 方法实现通过索引定位并提取某行某列数据，首先是 iloc[:,2] 获取 表 C 中的第三列(此处 ":" 代表所有行；
2 代表由0开始的列索引值，即第三列)：
以及 iloc[:,[0,1]] 获取 表 D 中的第一、二列(此处 ":" 代表所有行；
[0,1] 代表由0开始的列索引值，即第一列和第二列)：
获取到了特定的数据内容，仍然通过 concat 来合并，这里由于我们需要横向按列合并，故需要额外设置 axis 参数为 1:
最终仍是通过 to_excel 方法保存 xlsx 格式表格文件：
至此，需求完成，任务搞定。
-END-
