如何用Python合并多份Excel表格并添加来源文件名列

你的初始代码直接用open()读取Excel文件是行不通的——Excel属于二进制格式文件，普通文本读取方式无法解析内容。下面是用pandas实现批量合并并添加来源文件名的完整方案：

步骤1：安装依赖库 #

首先确保安装了处理Excel所需的库：

pip install pandas openpyxl

• pandas负责数据处理与合并
• openpyxl用于读取和写入.xlsx格式文件（如果是.xls格式，需要额外安装xlrd）

步骤2：完整实现代码 #

import os
import pandas as pd

# 目标文件夹路径（Windows路径用原始字符串避免转义问题）
file_path = r"C:\excel files"
# 初始化空DataFrame存储合并后的数据
merged_data = pd.DataFrame()

# 遍历文件夹中的所有文件
for filename in os.listdir(file_path):
    # 只处理Excel格式文件，过滤其他类型文件
    if filename.endswith((".xlsx", ".xls")):
        # 拼接完整文件路径，避免路径错误
        full_path = os.path.join(file_path, filename)
        # 读取Excel文件（默认读取第一个工作表，指定sheet可加sheet_name参数）
        df = pd.read_excel(full_path)
        # 新增列，填入当前文件名作为数据来源标识
        df["数据来源文件"] = filename
        # 将当前文件数据追加到总DataFrame
        merged_data = pd.concat([merged_data, df], ignore_index=True)

# 将合并结果保存为新Excel文件
merged_data.to_excel(r"C:\excel files\合并结果.xlsx", index=False, engine="openpyxl")

关键代码说明 #

• os.path.join()：自动拼接完整文件路径，避免手动拼接导致的跨系统路径格式问题
• endswith((".xlsx", ".xls"))：过滤非Excel文件，防止读取无关文件报错
• pd.concat()：实现多表格纵向合并，ignore_index=True重置合并后的索引，避免重复索引
• 新增来源列：直接通过DataFrame新列赋值实现，简洁高效

额外优化建议 #

• 若文件夹包含子文件夹，改用os.walk()遍历所有层级的Excel文件：

  for root, dirs, files in os.walk(file_path):
      for filename in files:
          if filename.endswith((".xlsx", ".xls")):
              full_path = os.path.join(root, filename)
              # 后续读取、添加列、合并逻辑同上
  

• 处理多工作表的Excel文件：

  df_dict = pd.read_excel(full_path, sheet_name=None)
  for sheet_name, sheet_data in df_dict.items():
      sheet_data["数据来源文件"] = f"{filename}-{sheet_name}"
      merged_data = pd.concat([merged_data, sheet_data], ignore_index=True)
  

• 处理超大Excel文件时，用分块读取避免内存溢出：

  chunk_iter = pd.read_excel(full_path, chunksize=10000)
  for chunk in chunk_iter:
      chunk["数据来源文件"] = filename
      merged_data = pd.concat([merged_data, chunk], ignore_index=True)
  

内容的提问来源于stack exchange，提问作者Diana Lopes