如何用Python Pandas批量读取大量Excel文件？

嘿，太懂你这种重复写代码的烦躁了！SAS的Macro确实是批量处理重复任务的利器，Python里也有完全能替代甚至更灵活的方法，我给你两种实用的方案，轻松搞定批量读Excel的需求：

方法1：手动循环指定年月，用字典存储DataFrame #

这种方法适合你明确知道要处理的年月范围的情况，就像你原来逐个写的逻辑，但用循环自动生成文件名，把所有DataFrame存在一个字典里，方便后续调用：

import pandas as pd

# 初始化一个字典，用来存储每个Excel对应的DataFrame
dfs = {}

# 循环2019年的1-12月
for month in range(1, 13):
    # 生成文件名：月份补零（比如1变成01）
    file_name = f"ex2019{month:02d}.xlsx"
    # 拼接完整路径
    file_path = fr"C:\users\{file_name}"
    # 读取Excel并存入字典，键就是文件名（方便后续查找）
    dfs[file_name] = pd.read_excel(file_path)

之后你想调用某个月份的数据，直接用dfs['ex201901.xlsx']就能拿到对应的DataFrame，和SAS Macro里批量生成变量的逻辑异曲同工~

方法2：用glob自动匹配所有符合格式的文件 #

如果你的文件不止2019年，或者不想手动指定年月范围，用glob模块可以自动匹配所有exYYYYMM.xlsx格式的文件，更省心：

import pandas as pd
import glob

# 用glob匹配所有符合格式的文件路径
file_paths = glob.glob(r'C:\users\ex*.xlsx')

dfs = {}
for path in file_paths:
    # 从路径中提取文件名（比如从C:\users\ex201901.xlsx拿到ex201901）
    file_name = path.split('\\')[-1].replace('.xlsx', '')
    dfs[file_name] = pd.read_excel(path)

这个方法会自动扫描指定文件夹里所有以ex开头、.xlsx结尾的文件，不管是哪年哪月的，都会被批量读取，完全不用手动写每个文件名！

要是你后续需要把这些DataFrame合并成一个大表，还可以加一句pd.concat(dfs.values(), ignore_index=True)，一步完成合并，比SAS里的批量处理还顺手呢~

内容的提问来源于stack exchange，提问作者user3685918