用pd.read_excel("data.xlsx", sheet_name=None)可一次性读取所有Sheet为字典，自动跳过隐藏表、保护表；需标准化列名、显式指定dtype、检查dtypes；合并后全局去重，导出时加index=False。
用 pandas.read_excel 一次性读取所有 Sheet，别手动循环
很多人习惯写 for sheet_name in xls.sheet_names: 再逐个 read_excel，这不仅慢，还容易漏掉空表或格式异常的 Sheet。直接传 sheet_name=None 让 read_excel 返回一个 dict，key 是 sheet 名，value 是对应 DataFrame：
import pandas as pd
all_sheets = pd.read_excel("data.xlsx", sheet_name=None)这样能自动跳过隐藏表、保护表（除非密码保护），也兼容 .xls 和 .xlsx。注意：如果 Excel 里有空 Sheet，read_excel 默认会返回一个空 DataFrame（0 行），不是 None，后续合并时不会报错，但可能引入冗余行。
合并前先统一列名和数据类型，否则 pd.concat 会出错或隐式转换
不同 Sheet 列名大小写不一致（如 "ID" vs "id"）、多空格（" name "）、中文顿号/英文逗号混用，都会导致合并后列分裂。更隐蔽的是数值列含文本（如“暂无”、“-”），会被转成 object 类型，影响后续去重和计算。
- 用
df.columns = df.columns.str.strip().str.lower()标准化列名 - 对关键字段（如 ID、时间）显式指定
dtype：read_excel(..., dtype={"id": str, "date": "datetime64[ns]"}) - 读取后立刻检查：
for name, df in all_sheets.items(): print(name, df.dtypes)
漏掉这步，后面 drop_duplicates 可能失效——比如 "123"（str）和 123（int）被当成不同值。
立即学习“Python免费学习笔记（深入）”；
用 pd.concat 合并再 drop_duplicates，别在每个 Sheet 里单独去重
先各自去重再合并，会丢掉跨 Sheet 的重复项（比如 Sheet1 的 A 行和 Sheet2 的 A 行完全一样，但各自去重后都保留）。正确做法是：合并成一个大 DataFrame，再全局去重。
combined = pd.concat(all_sheets.values(), ignore_index=True, sort=False) # 去重：按业务主键，不是所有列 deduped = combined.drop_duplicates(subset=["id", "name"], keep="first")
ignore_index=True 重置行索引，避免合并后索引重复；sort=False 省掉列名自动排序（防止列顺序被打乱）；subset 必须明确指定，否则默认对所有列比较，性能差且易误删（比如时间戳毫秒级差异）。
如果要去重时保留最新时间的数据，先按时间列排序：combined.sort_values("update_time", ascending=False).drop_duplicates(subset=["id"], keep="first")。
导出时加 index=False，避免 Excel 多一列序号
直接 to_excel 会把 DataFrame 行索引写进第一列，看起来像多了一列“Unnamed: 0”。必须加 index=False：
deduped.to_excel("merged_clean.xlsx", index=False)如果原始 Sheet 有合并单元格、公式或条件格式，pandas 无法保留——它只处理纯数据。需要保留样式？换 openpyxl 或 xlsxwriter 手动写，但代价是代码量翻倍、速度变慢，且去重逻辑得自己实现。绝大多数数据清洗场景，丢样式换确定性是合理选择。
真正麻烦的是跨文件、带分页标题、每页结构微调的报表类 Excel——那种情况，read_excel 的 skiprows 和 header 参数要为每个 Sheet 单独配，没法靠 sheet_name=None 一键解决。
