### 三级标题：使用 Pandas 通过嵌套 for 循环遍历两个 Excel 文件 在 Python 中，可以通过 Pandas 结合嵌套的 `for` 循环结构来遍历两个 `.xlsx` 文件，并对它们的数据进行处理。例如，可以实现两个文件中数据的逐行比对、数据合并或条件筛选等操作。 以下是一个示例，展示如何读取两个 Excel 文件，并通过嵌套循环逐行比对两个文件中的特定列数据： ```python import pandas as pd # 读取两个Excel文件 file_a = pd.read_excel('A.xlsx') file_b = pd.read_excel('B.xlsx') # 遍历第一个文件的每一行 for index_a, row_a in file_a.iterrows(): ps1 = row_a['批次编号'] code1 = row_a['编号'] risk_level = row_a['风险等级'] opinion = row_a['意见'] # 在第二个文件中查找匹配的行 for index_b, row_b in file_b.iterrows(): ps2 = row_b['批次编号'] code2 = row_b['编号'] # 如果找到匹配的行，则更新数据 if ps1 == ps2 and code1 == code2: file_b.at[index_b, '风险等级'] = risk_level file_b.at[index_b, '意见'] = opinion ``` 上述代码中，外层循环遍历第一个 Excel 文件中的每一行，内层循环则遍历第二个 Excel 文件中的每一行，通过 `if` 条件判断是否满足匹配条件，并更新第二个文件中的对应数据[^2]。 ### 三级标题：结合多个 Excel 文件中的数据 如果需要将两个 Excel 文件中的数据合并，可以先分别读取每个文件，然后使用 `pd.concat()` 函数将它们合并为一个 DataFrame： ```python # 读取两个Excel文件 df_a = pd.read_excel('A.xlsx') df_b = pd.read_excel('B.xlsx') # 合并两个DataFrame combined_df = pd.concat([df_a, df_b], ignore_index=True) # 输出合并后的数据 print(combined_df) ``` 在上述代码中，`pd.concat()` 函数用于将两个 DataFrame 合并，并通过 `ignore_index=True` 参数重置索引。 ### 三级标题：遍历多个 Excel 文件中的多个工作表 如果需要同时处理多个 Excel 文件中的所有工作表，可以先遍历每个文件，再遍历每个文件中的工作表，并将所有数据合并为一个 DataFrame： ```python import pandas as pd import os # 指定文件夹路径 folder_path = 'path/to/excel/files' # 创建一个空的DataFrame用于存储合并的数据 merged_df = pd.DataFrame() # 遍历文件夹下的所有Excel文件 for file in os.listdir(folder_path): if file.endswith('.xlsx') or file.endswith('.xls'): file_path = os.path.join(folder_path, file) excel_data = pd.read_excel(file_path, sheet_name=None) # 遍历每个工作簿中的所有工作表 for sheet_name, sheet_data in excel_data.items(): merged_df = pd.concat([merged_df, sheet_data], ignore_index=True) # 输出合并后的DataFrame print(merged_df) ``` 此代码结合了文件遍历和工作表遍历，最终将多个 Excel 文件中的多个工作表数据合并为一个 DataFrame[^3]。 ### 三级标题：相关问题