pandas.read_excel() 统一读取多种Excel格式需按后缀选引擎：.xlsx/.xlsm用openpyxl，.xls须指定engine='xlrd'
用 pandas.read_excel() 统一读取多种格式（.xls、.xlsx、.xlsm）
不同后缀的 Excel 文件本质都是 OLE 或 OOXML 容器，pandas.read_excel() 底层靠 openpyxl（.xlsx/.xlsm）或 xlrd（旧版 .xls）解析，但注意：xlrd 从 2.0 版起**不再支持 .xlsx**，只读 .xls。所以必须按格式选引擎：
- `.xlsx` / `.xlsm` → 默认用
openpyxl（确保已装：pip install openpyxl） - `.xls` → 必须显式指定
engine='xlrd'，且只能装xlrd（<code>pip install "xlrd） - 混合目录下最稳写法是先判断后缀，再传
engine参数，避免报错Unsupported format
示例逻辑：
import pandas as pd
import os
<p>def safe_read_excel(path):
ext = os.path.splitext(path)[1].lower()
if ext in ['.xlsx', '.xlsm']:
return pd.read_excel(path, engine='openpyxl')
elif ext == '.xls':
return pd.read_excel(path, engine='xlrd')
else:
raise ValueError(f"Unsupported extension: {ext}")
处理表头不一致、空行、多级标题等脏数据
真实业务 Excel 常有前几行说明、合并单元格标题、空行分隔，直接 pd.read_excel() 会把说明文字当列名或数据。关键不是“跳过几行”，而是动态定位有效表头：
- 用
header=None全部读为字符串，再遍历df.iloc[:, 0]找到第一个含“编号”“姓名”“日期”等业务关键词的行，设为header - 遇到合并单元格导致的
NaN列名，用df.columns = df.columns.fillna(method='ffill')向前填充 - 删除全空行：
df.dropna(how='all', inplace=True)；但别急着reset_index()，留着原始索引方便后续 debug - 若多个文件字段顺序不一（如 A 表是
['name', 'age']，B 表是['age', 'name']），统一用df.reindex(columns=standard_cols, fill_value=None)对齐
用 pd.concat() 合并时保留来源文件信息
合并后不知道某行来自哪个文件，排查问题就抓瞎。必须在 concat 前给每份数据加标识列：
立即学习“Python免费学习笔记（深入）”；
- 不要用循环里反复
df['source'] = filename（低效），改用pd.concat(..., keys=filenames)自动加层级索引，或更直白的： -
df.assign(source=os.path.basename(path))—— 简洁、可链式调用、不修改原df - 注意
ignore_index=True会丢弃原始行号，调试时建议先设False，确认无误再开 - 如果某文件列数极少（比如只有 1 列），
concat可能报ValueError: All objects passed were None，需提前过滤空df
写入结果时控制 sheet 名称和格式兼容性
pd.ExcelWriter 默认用 openpyxl 引擎，但写入大文件（>10 万行）易内存溢出。折中方案：
- 用
engine='xlsxwriter'（pip install xlsxwriter），支持流式写入，但不支持读、不支持 .xlsm - sheet 名不能超 31 字符、不能含
/ ? * [ ]，用re.sub(r'[\/?*[]]', '_', name)清洗 - 如果要保留原始数值格式（如带千分位的数字、日期），
read_excel时加dtype=str保真，合并后再用pd.to_numeric()或pd.to_datetime()转——别依赖自动 infer，容易把“2023-01”转成1905-08-01
真正麻烦的是跨平台时间格式：Windows Excel 写的日期在 Linux 上读可能变整数（Excel 序列号），务必检查 df.dtypes，对疑似列强制 pd.to_datetime(df[col], unit='D', origin='1899-12-30')
