最稳方案是glob找文件+pd.read_excel逐个读+pd.concat一次性合并；需统一sheet_name、usecols、dtype，加ignore_index=True，避免循环append或反复concat导致O(n²)性能崩溃。
用 pandas.concat 配合 glob 批量读取，别用循环 append
直接循环调用 df.append() 或反复 pd.concat() 是最慢的写法——每次都会复制整个 DataFrame，时间复杂度接近 O(n²)。正确做法是先收集所有 DataFrame 到列表，再一次性 concat。
- 用
glob.glob("*.xlsx")或pathlib.Path().glob("*.xlsx")获取文件路径列表，比os.listdir更安全（自动过滤隐藏文件） - 对每个文件，用
pandas.read_excel(file, engine="openpyxl")读取；若含多个 sheet，显式指定sheet_name=0或遍历pd.ExcelFile(file).sheet_names - 务必加
ignore_index=True，否则合并后索引重复，后续去重或切片会出错 - 如果各表结构不一致（列名/顺序不同），提前统一列：读取时用
usecols限定列，或读完后用reindex(columns=common_cols, fill_value=np.nan)
内存爆掉？用 chunksize 和 dtype 控制读取粒度
几千个 Excel 文件，哪怕单个不大，叠加后也容易触发 MemoryError。关键不是“怎么快”，而是“怎么不崩”。
-
read_excel不支持chunksize（那是read_csv的），但可以限制每张表只读前 N 行做验证：read_excel(file, nrows=100) - 显式声明
dtype能省 30%–50% 内存：字符串列用"string"（pandas 2.0+）或"category"，数值列避免默认float64，改用pd.Int64Dtype()或"float32" - 读完立刻删掉临时变量：
del temp_df，并手动触发gc.collect()（尤其在大循环里） - 如果只是合并后统计，考虑不用全量加载：用
openpyxl直接读单元格值，跳过 pandas 解析开销
合并后列名混乱？用 read_excel 的 header 和 skiprows 对齐结构
很多 Excel 表头不规范：有的带空行，有的第一行是标题但第二行才是字段，有的甚至每张表字段位置都偏移。硬拼会得到错位列。
- 先抽样 3–5 个文件，用
pd.read_excel(file, nrows=5)看真实结构，确定统一的skiprows和header参数 - 若表头行不固定，用
pd.read_excel(file, header=None)读成纯数字列，再用.iloc定位标题行，.rename()重命名 - 合并后检查：
result.columns.duplicated().any()，若有重复列名，用add_suffix("_" + filename.stem)区分，但注意后续聚合逻辑是否受影响
为什么不用 ExcelWriter 或数据库中转？
有人想“先写进一个大 Excel 再读”，或“导入 SQLite 再查出来”——这两条路都更慢且易出错。
立即学习“Python免费学习笔记（深入）”；
-
ExcelWriter写入性能极差，且单个 Excel 有行数限制（1048576 行），几千个表大概率超限 - SQLite 中转看似合理，但
to_sql默认逐行插入，没设method="multi"和chunksize会慢十倍；而且多进程写同一 DB 文件需加锁，反而串行化 - 真正适合中转的是
parquet：用df.to_parquet(f"{i}.parq")分别保存，再用pd.read_parquet("*/*.parq")自动合并，速度快、压缩好、类型保留完整
最麻烦的从来不是“怎么合并”，而是“怎么让不同格式、不同质量的 Excel 在合并时不丢数据、不错列、不炸内存”。动手前花十分钟看样本，比写完再调试两小时强得多。
