### 使用Python Pandas库合并多个Excel文件的所有工作表 #### 导入库和设置环境 为了能够顺利操作Excel文件，需要先安装`pandas`以及其他可能需要用到的相关包如`openpyxl`用于读写Excel文件。可以通过pip命令轻松完成这些软件包的安装[^1]。 ```bash pip install pandas openpyxl ``` #### 准备函数以遍历目录中的所有Excel文件并读取其所有的Sheet 创建一个函数来收集指定路径下所有`.xlsx`类型的文件，并从中提取每一个工作簿内的所有工作表作为DataFrame对象存储起来。这里会利用到`os`模块来进行文件系统的访问，而`pd.read_excel()`方法则用来加载Excel文档的内容[^2]。 ```python import os import pandas as pd def load_all_sheets_from_directory(directory_path): all_dataframes = [] for filename in os.listdir(directory_path): if not filename.endswith('.xlsx'): continue file_path = os.path.join(directory_path, filename) excel_file = pd.ExcelFile(file_path) sheets_names = excel_file.sheet_names for sheet_name in sheets_names: df_sheet = pd.read_excel(excel_file, sheet_name=sheet_name) df_sheet['Source'] = f"{filename} - {sheet_name}" # 添加来源标记以便识别原始位置 all_dataframes.append(df_sheet) return all_dataframes ``` #### 合并与保存结果 一旦获取到了所有的工作表作为一个列表形式存在的DataFrames之后，就可以使用`pd.concat()`把它们纵向堆叠在一起形成一个新的单一表格结构。最后可以将这个组合后的DataFrame再次导出成新的Excel文件或者其他格式的数据集[^3]。 ```python directory_with_excels = 'path/to/your/excelfiles' # 替换成实际存放Excel文件夹的位置 data_frames_list = load_all_sheets_from_directory(directory_with_excels) combined_df = pd.concat(data_frames_list, ignore_index=True) output_filename = "Combined_Sheets.xlsx" combined_df.to_excel(output_filename, index=False) print(f"All Excel files have been merged and saved into '{output_filename}'") ``` 上述代码实现了从特定文件夹内自动寻找所有Excel文件并将其中各个Sheet页按顺序拼接的功能，同时也为每条记录附加了一个字段指明它来自哪个具体的源文件及其内部的具体Sheet名称，方便后续追踪数据出处。