用glob批量读取Excel文件最稳妥，需用原始字符串处理路径、ignore_index=True合并、标准化列名、分块读取转CSV防内存溢出，并显式解析时间列。
用 glob 批量读取 Excel 文件最稳妥
直接硬写几百个 pd.read_excel("file1.xlsx") 不现实，也容易漏文件。用 glob 是最轻量、最可控的方式——它不依赖操作系统命令，跨平台稳定，且能精准匹配文件名模式。
常见错误是路径里混用反斜杠 \ 或没处理空格/中文路径，导致 FileNotFoundError。务必用原始字符串或正斜杠：
-
import glob后用glob.glob(r"data/*.xlsx")（Windows）或glob.glob("data/*.xlsx")（macOS/Linux） - 避免用
os.listdir()+ 手动过滤，它不保证顺序，也不支持通配符 - 如果文件分散在子目录，加
recursive=True和**/*.xlsx，但注意性能下降明显
pd.concat() 合并时必须设 ignore_index=True
不设这个参数，合并后的 DataFrame 会保留每个文件的原始行索引（全是 0,1,2…重复），后续按行号切片或去重会出错；设了之后才得到连续、可信赖的整数索引。
另一个关键点是列对齐：不同 Excel 文件列名可能大小写不一致（如 "Date" vs "date"）或有额外空列。建议提前统一：
立即学习“Python免费学习笔记（深入）”；
- 读取时加
pd.read_excel(..., usecols="A:C")显式指定列范围，跳过格式混乱的表头行 - 或统一用
header=0读取后，用df.columns = df.columns.str.strip().str.lower()标准化列名 - 若某文件缺列，
pd.concat()默认用NaN填充，无需额外处理
内存撑不住时，改用分块读取 + 追加写入 CSV
一次性读几百个 Excel 文件很容易触发 MemoryError，尤其当单个文件超 10MB 或含大量公式/样式。Excel 解析本身比 CSV 慢 5–10 倍，且 openpyxl 引擎吃内存更狠。
真正落地的方案不是“优化读取”，而是绕开 Excel 解析：
- 先用
glob列出所有文件，循环中逐个用pd.read_excel()读一小批（比如 20 个），pd.concat()后立刻to_csv("merged_temp.csv", mode="a", header=False if i>0 else True) - 最终用
pd.read_csv("merged_temp.csv")一次性加载——CSV 解析快、省内存、无样式干扰 - 别用
to_excel()输出大合并结果，.xlsx 文件体积会暴增，且再次打开极慢；用to_parquet()更好，但需确保环境装了pyarrow
时间列解析失败？检查 parse_dates 和 date_parser
Excel 里的时间常以“常规格式”存储为浮点数（如 44562.75 表示日期+时间），pd.read_excel() 默认无法识别，导致列变成 object 类型，后续 dt 方法全报错。
必须显式干预：
- 优先用
parse_dates=["OrderDate"]参数，让 Pandas 在读取阶段就尝试解析 - 如果失败（比如 Excel 里混用了文本型日期如
"2023-01-01"和数字型），加date_parser=lambda x: pd.to_datetime(x, errors="coerce") - 绝对不要等合并完再统一转：
df["date"].apply(pd.to_datetime)——这会遍历全部百万行，慢到卡死
实际跑通的关键往往不在“怎么合并”，而在于提前发现并拦截每个文件的异构性：列名不一致、空行位置不同、时间格式混杂、编码乱码。自动化不是写完脚本就完事，而是把第一次运行时暴露的 5 个异常文件单独拎出来，针对性加 skiprows、dtype 或 converters 参数，再补进主流程。
