### 使用Pandas库读取并拼接多个Sheet页的数据 为了满足需求，可以利用 `pandas` 库的功能分别读取每个 Sheet 的数据，并通过设置参数确保不会合并表头。以下是具体方法： #### 方法描述 可以通过 `pd.read_excel()` 函数逐个读取 Excel 文件中的各个 Sheet 数据，并将其存放在一个列表中。之后使用 `pd.concat()` 进行垂直方向上的拼接操作，在此过程中需注意保留各部分的表头。 #### 实现代码 以下是一个完整的 Python 脚本示例[^2]： ```python import pandas as pd # 定义函数用于按顺序拼接不同Sheet的数据 def concat_sheets_with_headers(file_path): # 初始化一个空列表用来存储每个Sheet的数据框 sheets_data = [] # 读取Excel文件的所有Sheet名称 with pd.ExcelFile(file_path) as xls: for sheet_name in xls.sheet_names: # 对于每一个Sheet，单独读取其数据 df_sheet = pd.read_excel(xls, sheet_name=sheet_name) # 添加当前Sheet名作为新列以便区分（可选） df_sheet['source'] = sheet_name # 将当前Sheet的数据加入到总列表中 sheets_data.append(df_sheet) # 垂直堆叠所有DataFrame对象，保持各自的头部不变 result_df = pd.concat(sheets_data, keys=range(len(sheets_data)), names=['SheetIndex', None]) return result_df.reset_index(level=0, drop=True).reset_index() # 测试调用 file_path = 'example.xlsx' result = concat_sheets_with_headers(file_path) # 输出结果至新的Excel文件 output_file = 'concatenated_result.xlsx' result.to_excel(output_file, index=False) print(f'处理完成，请查看 {output_file}') ``` 在此脚本中，我们采用了一个技巧性的做法——即先将所有的 DataFrame 存储在一个列表里，随后通过指定 `keys` 参数来创建一个多级索引结构，从而避免了直接覆盖原有表头的情况[^3]。 #### 关键点解析 - **多级索引的应用**：通过传递 `keys` 和自定义命名空间给 `pd.concat()` ，能够有效防止原始表头被误删或混淆。 - **动态适应不同的Sheet布局**：即使各张表格内部存在差异化的字段排列方式，只要它们各自独立成帧，则最终组合效果依旧清晰明了[^1]。 ---