### Python pandas 读取多路径 Excel 数据并合并写入新表 在处理多个Excel文件的数据时，可以使用 `pandas` 库的 `read_excel` 方法逐一读取每个文件的内容，并将其合并到一个数据框中。以下是实现此功能的代码示例： ```python import pandas as pd import os def merge_excel_files(file_paths, sheet_name=None, start_row=0, end_row=None): """ 合并多个Excel文件的数据。 参数: - file_paths: 包含多个Excel文件路径的列表。 - sheet_name: 要读取的工作表名称（可选）。 - start_row: 开始读取的行索引（默认为0）。 - end_row: 结束读取的行索引（可选，默认为None表示读取到最后）。 返回: - 包含所有Excel文件数据的DataFrame。 """ combined_data = pd.DataFrame() # 创建一个空的DataFrame用于存储合并后的数据 for file_path in file_paths: if not os.path.exists(file_path): print(f"警告：文件 {file_path} 不存在，跳过该文件。") continue # 读取Excel文件 df = pd.read_excel(file_path, sheet_name=sheet_name, dtype=str) # 将值转换为字符串类型[^1] # 根据指定的行范围筛选数据 if end_row is None: end_row = len(df.index) filtered_df = df.iloc[start_row:end_row] # 将当前文件的数据添加到合并后的数据框中 combined_data = pd.concat([combined_data, filtered_df], ignore_index=True) return combined_data def write_to_new_excel(dataframe, output_file, sheet_name='Sheet1', index=False, header=True): """ 将合并后的数据写入新的Excel文件。 参数: - dataframe: 包含合并后数据的DataFrame。 - output_file: 输出的Excel文件路径。 - sheet_name: 输出的工作表名称（默认为'Sheet1'）。 - index: 是否写入行索引（默认为False）。 - header: 是否写入列标题（默认为True）。 """ dataframe.to_excel(output_file, sheet_name=sheet_name, index=index, header=header) # 示例用法 file_paths = ['file1.xlsx', 'file2.xlsx', 'file3.xlsx'] # 多个Excel文件路径 sheet_name = 'movie' # 指定工作表名称 start_row = 0 # 开始读取的行索引 end_row = None # 结束读取的行索引（None表示读取到最后） # 合并多个Excel文件的数据 combined_data = merge_excel_files(file_paths, sheet_name=sheet_name, start_row=start_row, end_row=end_row) # 将合并后的数据写入新的Excel文件 output_file = 'combined_output.xlsx' write_to_new_excel(combined_data, output_file) ``` 上述代码中，`merge_excel_files` 函数负责从多个Excel文件中读取数据，并将其合并到一个 `DataFrame` 中。`write_to_new_excel` 函数则将合并后的数据写入一个新的Excel文件。通过这种方式，可以轻松实现从多个路径读取Excel数据并整合到一张表格中的需求[^3]。 ### 注意事项 - 如果某些文件不存在，程序会输出警告信息并跳过该文件。 - 在读取Excel文件时，可以指定工作表名称和行范围，以满足特定的需求[^2]。 - 写入新Excel文件时，可以通过参数控制是否写入行索引和列标题。