遍历Excel工作表并将处理结果写入对应独立工作表

原代码的核心问题 #

1. 循环逻辑错误：你直接对字典my_dfs操作列（比如my_dfs['Name']），但my_dfs的键是工作表名称，不是DataFrame的列名，正确做法是遍历字典的键值对，拿到每个工作表对应的DataFrame再操作。
2. 冗余库导入：你导入的openpyxl、numpy、xlsxwriter等库在当前需求中完全不需要，pandas本身就能完成读取、处理、写入全流程。
3. 列插入位置混淆：DataFrame的列索引从0开始，若要插入到第四列（从1开始计数），对应的索引是3，而非你写的4。

修正后的完整代码 #

import pandas as pd

# 读取Excel文件，所有工作表存入字典（键=工作表名，值=DataFrame）
my_file = r'\\user\Desktop\my_excel_file.xlsx'
my_dfs = pd.read_excel(my_file, sheet_name=None, skiprows=2)

# 遍历每个工作表，执行数据处理
for sheet_name, df in my_dfs.items():
    # 合并第二列(Name)和第三列(Surname)为新列
    df['concatenation'] = df['Name'].astype(str) + df['Surname'].astype(str)
    # 将新列插入到第四列（索引3，对应从1开始的第四列）
    column_to_move = df.pop('concatenation')
    df.insert(3, 'concatenation', column_to_move)

# 将处理后的所有工作表写入新Excel文件，保留原工作表名
with pd.ExcelWriter(r'\\user\Desktop\处理后的文件.xlsx') as writer:
    for sheet_name, df in my_dfs.items():
        df.to_excel(writer, sheet_name=sheet_name, index=False)

关键知识点说明 #

• 读取多工作表：pd.read_excel(..., sheet_name=None)会自动将所有工作表转为字典，键是工作表名称，值是对应DataFrame，这是处理多工作表的标准方式。
• 遍历字典键值对：用for sheet_name, df in my_dfs.items()可以同时拿到工作表名和对应的DataFrame，操作更直观，避免字典索引错误。
• 列合并优化：用astype(str)替代map(str)，是Pandas中更高效的类型转换方式，确保两列都转为字符串后再拼接。
• 写入多工作表：pd.ExcelWriter配合循环写入，能一次性将所有处理后的DataFrame写入同一个Excel文件，且保留原工作表名称；index=False避免写入时自动添加行索引列。

额外建议 #

• 如果合并列需要分隔符（比如空格），可以修改拼接逻辑：df['concatenation'] = df['Name'].astype(str) + ' ' + df['Surname'].astype(str)
• 若担心列名拼写错误，可以先打印每个DataFrame的列名确认：print(df.columns)
• 处理大文件时，pd.read_excel可以指定usecols参数只读取需要的列，提升效率。

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