如何用Python批量合并同格式Excel文件为汇总矩阵？

所需依赖 #

先安装必要的Python库：

pip install pandas openpyxl

核心实现代码 #

假设每个Excel文件的结构是第一列为类别（如Name、Sex、Age），第二列为对应值，以下代码可快速完成汇总：

import pandas as pd
import os
from glob import glob

# 替换为你的Excel文件所在文件夹路径
folder_path = "./person_files"

# 初始化存储所有数据的列表
all_records = []

# 精准匹配所有person_*.xlsx文件
for file_path in glob(os.path.join(folder_path, "person_*.xlsx")):
    # 读取Excel，将类别列设为索引
    df = pd.read_excel(file_path, index_col=0, header=None)
    # 转置为一行数据（将类别转为列名，值对应填入）
    single_record = df.T
    all_records.append(single_record)

# 合并所有数据为一个矩阵表
summary_df = pd.concat(all_records, ignore_index=True)

# 保存汇总结果到新Excel文件
summary_df.to_excel("人员信息汇总矩阵.xlsx", index=False)

适配不同文件结构的调整 #

如果你的Excel文件是表头在第一行，数据仅一行（比如第一行是Name、Sex、Age，第二行是对应值），只需修改读取部分的代码：

# 替换原读取代码为：
df = pd.read_excel(file_path)
single_record = df.head(1)  # 取第一行数据

注意事项 #

• 确保所有Excel文件的类别/列名完全一致，否则汇总后会出现缺失值，可通过summary_df.fillna("未知", inplace=True)统一填充缺失内容。
• glob("person_*.xlsx")的匹配规则可避免处理文件夹内的无关xlsx文件。
• 400个文件的处理速度较快，无需担心性能问题。

内容的提问来源于stack exchange，提问作者Pablo Luz