Python遍历Excel文件目录并合并至DataFrame底部的技术实现求助

我之前也做过类似的批量Excel处理需求，你的思路完全靠谱——先验证单个文件的处理逻辑，再循环批量处理合并。下面给你调整后的完整实现方案，一步步帮你搞定：

核心实现思路 #

• 先初始化一个空的DataFrame，用来存放所有合并后的最终数据
• 遍历目标文件夹里的所有文件，只筛选Excel格式的文件避免报错
• 对每个文件复用你已经验证过的读取和格式化逻辑
• 将处理好的单文件数据追加到总DataFrame中

完整代码示例 #

import pandas as pd
import os

# 设置你的目标文件夹路径，替换成实际路径比如"C:/MyExcelFiles"
path = "你的文件夹路径"
# 初始化空的总DataFrame
combined_df = pd.DataFrame()

# 遍历文件夹中的所有文件
for filename in os.listdir(path):
    # 只处理.xlsx和.xls格式的Excel文件，过滤其他杂文件
    if filename.endswith(('.xlsx', '.xls')):
        # 用os.path.join拼接路径，避免Windows/Linux路径分隔符问题
        file_path = os.path.join(path, filename)
        print(f"正在处理文件: {filename}")
        
        # 复用你已经验证过的读取逻辑
        df = pd.read_excel(
            file_path,
            sheet_name="sheet2",
            skiprows=2,
            header=None,
            skipfooter=132
        )
        
        # 这里粘贴你已经写好的所有格式化代码
        # ...（比如数据清洗、列重命名、格式转换等操作）
        
        # 将当前文件的DataFrame追加到总DataFrame
        combined_df = pd.concat([combined_df, df], ignore_index=True)

# 处理完成后可以查看结果，或者保存到新Excel文件
print(f"所有文件处理完成，合并后总数据行数: {len(combined_df)}")
# 保存合并结果到新文件，index=False避免生成多余的索引列
combined_df.to_excel("合并后的总数据.xlsx", index=False)

优化细节说明 #

• 用os.path.join拼接文件路径比直接用+更稳妥，能自动适配不同系统的路径分隔符
• 加入文件格式过滤，防止误读文件夹里的非Excel文件导致报错
• 使用pd.concat替代已被弃用的append方法，合并效率更高；ignore_index=True会重置合并后的索引，避免出现重复索引问题
• 如果你的文件数量特别多，可以先把所有处理好的DataFrame存入一个列表，最后一次性合并，性能会更好：

  # 大文件场景优化版
  df_list = []
  for filename in os.listdir(path):
      if filename.endswith(('.xlsx', '.xls')):
          # 读取和格式化逻辑...
          df_list.append(df)
  combined_df = pd.concat(df_list, ignore_index=True)
  

内容的提问来源于stack exchange，提问作者carrera997