pandas.concat() 是合并结构一致 Excel 文件最快最可控的方式,需统一 sheet_name、跳过异常文件、重置索引、用 glob 批量匹配路径、显式指定 usecols/dtype、清洗列名,并注意大文件内存问题及语义一致性校验。

用 pandas.concat() 合并多个 Excel 文件最直接
如果你的 Excel 文件结构一致(列名、顺序、数据类型相同),pandas.concat() 是最快、最可控的方式。它不依赖 Excel 引擎,纯内存操作,比反复打开 openpyxl 或 xlsxwriter 快得多。
常见错误是直接用 pd.read_excel() 读取所有文件再循环 pd.concat(),但没处理 sheet_name 或忽略空表,导致报错 ValueError: No objects to concatenate。
- 统一指定
sheet_name=0,避免某些文件默认 sheet 名不是"Sheet1" - 加
try/except跳过打不开的文件(比如损坏或密码保护) - 用
ignore_index=True重置行索引,否则会保留各文件原始索引造成重复 - 如果某文件有标题但其他没有,提前用
header=0或header=None对齐
用 glob 批量匹配路径,别手写文件列表
手动拼 ["a.xlsx", "b.xlsx", ...] 不仅费时,还容易漏文件或引入路径错误。用 glob 按模式自动发现更可靠,尤其当文件名含日期、编号等规律时。
注意 Windows 和 Linux 下路径分隔符差异,glob 返回的是原生路径字符串,直接传给 pd.read_excel() 即可,不用额外转义。
Python 环境工具专业版功能概述Python 环境工具专业版是一项面向实际任务的技能。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。核心要点使用时应结合输入条件选择合适的执行方式,核对必要参数、依赖环境与输出内容,并按原始要求处理异常情况。该技能适合需要稳定复用相关能力的场景,可作为自动化工作流的一部分,也便于后续检查、调整和扩展。执行完成后建议检查结果是否符合预期,并保留必要记录。使用与执行同时注意输入完整性、执行条件和输出可用性。从功能定位来看,该技能
立即学习“Python免费学习笔记(深入)”;
- 匹配当前目录下所有 Excel:
glob.glob("*.xlsx")或glob.glob("data/*.xls*")(兼容 .xls/.xlsx) - 递归搜索子目录:
glob.glob("data/**/*.xlsx", recursive=True) - 排除临时文件:
[f for f in files if not f.startswith("~$")]
合并后字段对不齐?检查 pd.read_excel() 的 usecols 和 dtype
不同 Excel 表格看似列名一样,但可能:某张表多了一列“备注”,某张表把“ID”读成浮点(因为空单元格被识别为 NaN),或者中文列名里混入不可见空格——这些都会让 concat 后出现多余列或类型混乱。
- 显式指定列:
usecols=["姓名", "电话", "城市"],跳过不确定的列 - 强制列类型:
dtype={"电话": str, "ID": str},防止数字型 ID 被截断或转科学计数法 - 读取后立刻清洗列名:
df.columns = df.columns.str.strip(),干掉首尾空格 - 用
df.columns.tolist()打印每张表列名,肉眼比对是否真一致
大文件合并卡死?试试分批读取 + chunksize
pd.read_excel() 默认一次性加载整表,如果单个 Excel 有 10 万行以上,又合并几十个,很容易内存爆掉,进程无响应。这不是代码写错了,是设计预期外的规模问题。
-
chunksize参数只在read_csv()有效,read_excel()不支持——得换思路 - 改用
openpyxl加载工作簿,按行迭代读取(牺牲部分便利性,换内存可控) - 更实用的折中:先用
pd.read_excel(..., nrows=10)快速探查结构,确认无误后再全量读;或限制合并数量,加files = files[:20]先验证流程 - 导出时优先选
.parquet而非.xlsx,后者序列化慢且体积大,适合最终交付,不适合中间处理
真正麻烦的不是语法,是合并前没人校验字段语义是否一致——比如一张表的“金额”含税,另一张不含,代码跑通了,结果却错了。

















