遍历Zip文件统计内部Excel总记录数异常问题求助

你猜的没错，df = df[:1]就是问题根源——每次处理完一个Excel文件后，你都把结果DataFrame截断成只剩第一行，后面的Zip文件数据根本没法留存，最后自然只输出第一行。

另外原代码逻辑也绕了弯路：你把所有Excel数据都加载到DataFrame里再计数，既浪费内存又容易出错。其实我们根本不需要保留数据，只需要统计每个工作表的行数，累加得到每个Zip的总记录数就行。

修改后的代码 #

import pandas as pd
import zipfile
import glob

# 统计单个Excel文件的总行数（所有工作表行数相加）
def count_excel_rows(xls_path):
    xl = pd.ExcelFile(xls_path)
    total_rows = 0
    for name in xl.sheet_names:
        sheet = xl.parse(name, header=None, dtype=str, ignore_index=True)
        sheet.dropna(axis=1, how='all', inplace=True)
        # 累加当前工作表的行数
        total_rows += len(sheet)
    return total_rows

# 处理所有Zip文件，统计每个Zip的总记录数
def process_files(list_of_files):
    # 初始化结果DataFrame，存储每个Zip的文件名和总记录数
    result_df = pd.DataFrame(columns=['FileName', 'Length'])
    for file in list_of_files:
        zip_total = 0
        with zipfile.ZipFile(file) as zip_handler:
            zfiles = zip_handler.namelist()
            extensions = (".xls", ".xlsx")
            for zfile in zfiles:
                if zfile.endswith(extensions):
                    # 统计当前Excel文件的行数，累加到Zip总数中
                    zip_total += count_excel_rows(zip_handler.open(zfile))
        # 将当前Zip的结果添加到结果DataFrame
        result_df = pd.concat([
            result_df,
            pd.DataFrame({'FileName': [file], 'Length': [zip_total]})
        ], ignore_index=True)
    return result_df

input_location = r'O:\Stack\Over\Flow'
month_to_process = glob.glob(input_location + "\\2022 - 10\\*.zip")             
df = process_files(month_to_process)  
print(df)

关键修改说明 #

• 把read_excel_sheets改成count_excel_rows，只返回总行数，不用加载全部数据，大幅节省内存
• 每个Zip单独统计总行数，处理完一个就把结果添加到结果DataFrame，不再覆盖之前的数据
• 彻底移除df[:1]这种截断数据的操作，保证每个Zip的结果都能留存
• 使用with语句处理Zip文件，自动关闭文件，避免资源泄漏

运行后就能得到你想要的格式：每一行对应一个Zip文件，显示文件名和该Zip下所有Excel工作表的总记录数。

内容的提问来源于stack exchange，提问作者Jonnyboi