当遇到 `KeyError: 'price'` 并希望使用 Python 和 Pandas 读取 Excel 文件中的多个工作表及其特定列时，可以按照以下方式解决问题并实现需求。 ### 解决 KeyError 问题 首先需要确认的是，在尝试访问 `'price'` 列前，该列是否存在于目标 DataFrame 中。可以通过打印各工作表的列名来验证这一点： ```python import pandas as pd # 加载Excel文件的所有Sheet xls = pd.ExcelFile('example.xlsx') for sheet_name in xls.sheet_names: df = xls.parse(sheet_name) print(f"Columns in '{sheet_name}': {df.columns.tolist()}") ``` 上述代码会遍历每一个 Sheet，并显示其包含的所有列名称[^1]。这样可以帮助识别是否存在拼写错误或大小写敏感性引起的匹配失败。 ### 读取多个 Sheets 及特定列 为了高效地从不同的Sheets中提取所需的特定列（假设为 `'price'`），可采取如下策略： #### 方法一：逐个处理每个Sheet 这种方法适合于知道确切哪些Sheets含有感兴趣的列的情形下应用。 ```python sheets_of_interest = ['Sheet1', 'Sheet3'] data_frames = [] for sheet in sheets_of_interest: try: temp_df = pd.read_excel('example.xlsx', sheet_name=sheet)[['price']] data_frames.append(temp_df.rename(columns={'price': f'{sheet}_price'})) except KeyError: continue # 如果某个Sheet缺少'price'列，则跳过它而不终止程序执行 combined_df = pd.concat(data_frames, axis=1) print(combined_df.head()) ``` #### 方法二：自动化检测所有可用Sheets 如果不确定具体哪个Sheet包含所需数据，那么可以让Pandas自行判断哪些Sheets具备有效的‘price’列。 ```python all_sheets_data = {} with pd.ExcelFile('example.xlsx') as xls: for sheet_name in xls.sheet_names: df_sheet = pd.read_excel(xls, sheet_name=sheet_name) if 'price' in df_sheet.columns: all_sheets_data[sheet_name] = df_sheet[['price']].rename( columns={"price":f"{sheet_name}_price"} ) final_dataframe = pd.DataFrame() if all_sheets_data: final_dataframe = pd.concat(all_sheets_data.values(), ignore_index=True) print(final_dataframe.describe()) # 查看汇总统计信息 ``` 这两种方法均能有效地规避因某些Sheets缺乏预期列而导致的KeyErrors，同时允许灵活选取来自不同Sheets的数据组合成单一DataFrame用于进一步分析[^2]。 ---