要使用 Python 合并多个具有相同列的 Excel 文件，可以通过 `pandas` 和 `os` 模块来实现。这种方法能够高效地处理文件路径并读取数据，同时确保数据结构一致[^1]。以下是详细的实现步骤和代码示例。 ### 实现步骤 1. **导入必要的库**： - 使用 `pandas` 来读取和写入 Excel 文件。 - 使用 `os` 来处理文件路径和获取文件列表。 2. **指定文件夹路径**： - 定义包含所有 Excel 文件的文件夹路径。 3. **获取所有 Excel 文件名**： - 使用 `os.listdir()` 获取文件夹中的所有文件，并筛选出 `.xlsx` 或 `.xls` 文件。 4. **读取和合并数据**： - 使用 `pandas.read_excel()` 读取每个文件的数据。 - 使用 `pandas.concat()` 将所有数据合并为一个 `DataFrame`。 5. **保存合并后的数据**： - 使用 `pandas.DataFrame.to_excel()` 将合并后的数据保存为一个新的 Excel 文件。 ### 示例代码 ```python import os import pandas as pd # 定义文件夹路径（包含所有Excel文件） folder_path = '/Users/your_username/path_to_folder' # 替换为你的文件夹路径 # 获取文件夹中所有的Excel文件名并按照名称排序 excel_files = sorted([f for f in os.listdir(folder_path) if f.endswith('.xlsx') or f.endswith('.xls')]) # 创建一个空的DataFrame来存储合并后的数据 combined_df = pd.DataFrame() # 遍历所有Excel文件并合并 for file in excel_files: file_path = os.path.join(folder_path, file) # 组合成完整的文件路径 df = pd.read_excel(file_path, dtype={'Scode': str}) # 读取Excel文件并确保Scode列以字符串形式读取 combined_df = pd.concat([combined_df, df], ignore_index=True) # 忽略原始索引并重置索引 # 将合并后的数据保存到一个新的Excel文件中 output_file = '/Users/your_username/path_to_output/combined_excel.xlsx' combined_df.to_excel(output_file, index=False) ``` ### 代码说明 - `os.listdir(folder_path)`：列出指定文件夹中的所有文件，用于筛选出 Excel 文件。 - `pd.read_excel(file_path)`：读取单个 Excel 文件，若某些列需要特定的数据类型（如字符串），可以使用 `dtype` 参数进行指定[^1]。 - `pd.concat([combined_df, df], ignore_index=True)`：将读取的 DataFrame 合并到一个总的 DataFrame 中，并重置索引以避免重复。 - `combined_df.to_excel(output_file, index=False)`：将最终合并的 DataFrame 保存为一个新的 Excel 文件，`index=False` 表示不保存行索引。 ### 注意事项 - 所有 Excel 文件的列名和列顺序必须相同，否则合并时可能会导致数据错位或错误。 - 如果 Excel 文件较多或数据量较大，可以考虑优化内存使用，例如逐批读取和处理文件。 - 如果文件路径中包含中文或特殊字符，需要确保文件编码格式兼容，以避免读取错误。 ---