### 问题解构 用户核心诉求是掌握在 Python 环境中导入数据的具体方法，特别是针对前文提到的销售数据（Excel 文件）场景。该问题可拆解为三个关键维度： 1. **路径获取**：如何批量、动态地定位目标文件（如 `sales_data` 目录下的多个 `.xlsx` 文件）。 2. **数据读取**：如何利用主流库（如 `pandas`）将不同格式（Excel, CSV）的文件加载为内存中的数据结构（DataFrame）。 3. **数据整合与计算**：如何将分散的季度数据合并，并进行基础的字段衍生（添加季度列）和数值计算（销售额），最终持久化存储。 解决此问题需要结合 `pathlib` 进行文件系统操作，利用 `pandas` 进行高效的数据处理，并遵循“读取 - 转换 - 合并 - 计算 - 导出”的标准数据工程流程 [ref_6]。 ### 方案推演 针对商场销售数据的处理场景，最简洁且健壮的方案是采用 `pathlib` 配合 `pandas` 的组合。首先，使用 `pathlib.Path.glob` 方法可以跨平台兼容地获取目录下所有匹配模式的文件路径，避免了硬编码文件名列表的繁琐 [ref_3]。其次，利用 `pandas.read_excel` 和 `read_csv` 函数可以直接将表格数据映射为 DataFrame 对象，这是数据分析的事实标准 [ref_2]。在循环读取过程中，动态提取文件名中的季度信息并注入到新列中，是实现数据溯源的关键步骤。最后，通过 `pd.concat` 一次性合并所有分片数据，并利用向量化操作计算总销售额，能最大程度提升执行效率 [ref_1]。 以下是具体的实施步骤与代码实现。 #### 第一步：环境准备与路径获取 首先需要导入必要的库，并使用 `pathlib` 定位 `sales_data` 目录下的所有 Excel 文件。这种方法比传统的 `os.listdir` 更加直观且安全。 ```python from pathlib import Path import pandas as pd # 定义数据目录路径 data_dir = Path("sales_data") # 使用 glob 获取所有 .xlsx 文件路径，支持通配符匹配 # 这一步确保了即使未来增加四季度.xlsx，代码也无需修改 excel_files = list(data_dir.glob("*.xlsx")) # 打印找到的文件以确认路径正确 print(f"已发现 {len(excel_files)} 个季度数据文件：") for f in excel_files: print(f"- {f.name}") ``` #### 第二步：批量读取、标记季度与合并 这是核心逻辑部分。我们需要遍历每个文件，读取内容，并根据文件名自动添加“季度”列，最后将所有数据拼接到一起。此过程利用了 `pandas` 强大的列表推导式和 concat 功能 [ref_4]。 ```python df_list = [] # 遍历每一个找到的 Excel 文件 for file_path in excel_files: # 从文件名中提取季度标识 (例如：从 '一季度.xlsx' 提取 '一季度') # stem 属性会去掉后缀名，保留文件名主体 quarter_name = file_path.stem # 读取 Excel 文件到 DataFrame # dtype=str 可选，防止数字前导零丢失，视具体业务而定 df = pd.read_excel(file_path) # 核心操作：添加'季度'列，标记数据来源 df['季度'] = quarter_name # 将处理好的 DataFrame 加入列表 df_list.append(df) # 检查列表是否为空，避免空合并报错 if df_list: # 纵向合并所有 DataFrame，ignore_index=True 重置行索引 combined_df = pd.concat(df_list, ignore_index=True) print("\n数据合并成功！前 5 行预览：") print(combined_df.head()) else: raise FileNotFoundError("未在指定目录找到任何 Excel 文件，请检查路径。") ``` #### 第三步：计算总销售额并导出 在合并后的数据基础上，利用 `pandas` 的向量化运算能力，直接通过列相乘生成新的“总销售额”列，无需编写低效的循环。最后将结果保存为 CSV 格式，便于后续系统对接或报表展示 [ref_2][ref_6]。 ```python # 确保列名与题目要求一致：产品名称、销量、单价 # 计算总销售额 = 销量 * 单价 # 假设列名严格匹配，若实际文件中有空格需先 df.columns = df.columns.str.strip() combined_df['总销售额'] = combined_df['销量'] * combined_df['单价'] # 按产品名称分组汇总（可选，若需看各产品总计） # summary_df = combined_df.groupby('产品名称')['总销售额'].sum().reset_index() # 将最终结果保存为 CSV 文件，index=False 表示不保存行索引号 output_file = "总销售额.csv" combined_df.to_csv(output_file, index=False, encoding='utf-8-sig') # utf-8-sig 编码可防止 Excel 打开中文乱码 print(f"\n计算完成！结果已保存至：{output_file}") print(f"数据总行数：{len(combined_df)}") print(f"包含列：{list(combined_df.columns)}") ``` ### 核心方法对比总结 为了更清晰地理解不同数据导入方式的适用场景，以下表格总结了本方案中涉及的关键技术点： | 操作环节 | 推荐工具/方法 | 优势说明 | 适用场景 | 参考来源 | | :--- | :--- | :--- | :--- :--- | | **文件路径检索** | `pathlib.Path.glob` | 面向对象风格，跨平台兼容，语法简洁，支持通配符 | 批量处理同一目录下特定格式文件（如 *.xlsx） | [ref_3] | | **Excel 读取** | `pandas.read_excel` | 自动解析表头，支持多种引擎（openpyxl/xlrd），直接转为 DataFrame | 读取结构化表格数据，进行后续分析 | [ref_2] | | **数据合并** | `pd.concat` | 高性能内存操作，支持轴向拼接，自动对齐索引 | 将多个结构相同的分片数据（如季度表）合并为总表 | [ref_6] | | **数值计算** | 向量化运算 (`*`, `+`) | 基于 C 语言底层优化，比 Python 原生循环快数百倍 | 大规模数据的列间数学运算（如销量×单价） | [ref_1] | | **数据导出** | `df.to_csv` | 通用性强，文件体积小，支持编码控制（防乱码） | 数据清洗后的持久化存储或与其他系统交换数据 | [ref_5] | 通过上述步骤，用户可以仅用约 20 行核心代码，即可完成从本地文件扫描、多表合并、特征工程（添加季度列）、数值计算到结果导出的全流程。这种模式不仅适用于当前的销售数据统计，也可轻松迁移至财务月报合并、日志文件分析等类似场景，体现了 Python 在数据处理领域的高效性与灵活性 [ref_4]。