Python实现多Excel文件所有工作表合并为单个DataFrame的高效方法

你的问题核心是无法动态适配不同数量的工作表，而且原代码用的append方法效率低（已被pandas弃用），可以通过以下方式改进：

优化思路 #

1. 跳过临时文件的同时，只筛选.xls格式的文件（避免误处理其他类型文件）
2. 对每个Excel文件，通过sheet_names获取所有工作表名称，动态遍历读取
3. 把所有工作表的DataFrame存入列表，最后用pd.concat一次性合并（比循环append效率高很多）

改进后的代码 #

import os
import pandas as pd

df_list = []
file_path = "你的文件路径"  # 替换成实际路径

for file_name in os.listdir(file_path):
    # 跳过临时文件和非xls文件
    if '~$' in file_name or not file_name.endswith('.xls'):
        continue
    # 读取Excel文件
    xls = pd.ExcelFile(os.path.join(file_path, file_name))
    # 遍历所有工作表
    for sheet_name in xls.sheet_names:
        sheet_df = xls.parse(sheet_name)
        # 可选：添加列记录来源文件和工作表，方便后续排查
        sheet_df['来源文件'] = file_name
        sheet_df['来源工作表'] = sheet_name
        df_list.append(sheet_df)

# 合并所有DataFrame
final_df = pd.concat(df_list, ignore_index=True)

关键说明 #

• xls.sheet_names：自动获取当前Excel文件的所有工作表名称，不管数量多少都能适配
• pd.concat：一次性合并列表里的所有DataFrame，比循环使用append效率提升明显，而且是pandas推荐的合并方式
• 可选的来源列：如果后续需要区分数据来自哪个文件/工作表，添加这两列会很实用

内容的提问来源于stack exchange，提问作者Zeren