如何用Python编写函数批量导入Excel并自动添加文件名列？

实现思路 #

直接封装一个函数完成全流程：遍历指定文件夹下的所有Excel文件，逐个读取为DataFrame并添加原文件名列；同时支持手动指定或从文件名自动提取Année和Mois列，替代你之前手动设置固定值的重复操作，最后合并所有数据为单个DataFrame。

完整代码实现 #

先确保安装依赖库：

pip install pandas openpyxl  # openpyxl用于读取xlsx格式文件

封装好的函数：

import pandas as pd
import os
import re  # 用于正则提取日期，可选

def merge_excel_files(folder_path, 
                      file_extensions=('.xlsx', '.xls'), 
                      date_mapping=None, 
                      extract_date_regex=None):
    dfs = []
    
    for filename in os.listdir(folder_path):
        # 跳过非Excel文件
        if not filename.endswith(file_extensions):
            continue
        
        file_full_path = os.path.join(folder_path, filename)
        # 读取Excel，可按需指定sheet_name、header等参数
        df = pd.read_excel(file_full_path)
        
        # 添加原文件名列
        df['原文件名'] = filename
        
        # 处理Année和Mois列：优先使用手动映射
        if date_mapping and filename in date_mapping:
            df['Année'], df['Mois'] = date_mapping[filename]
        # 其次用正则从文件名提取（适配自定义文件名格式）
        elif extract_date_regex:
            match = re.search(extract_date_regex, filename)
            if match:
                df['Année'] = match.group(1)
                df['Mois'] = match.group(2)
        
        dfs.append(df)
    
    # 合并所有DataFrame并重置索引
    final_df = pd.concat(dfs, ignore_index=True)
    return final_df

不同场景的使用示例 #

场景1：仅添加文件名列

# 替换为你的Excel文件所在文件夹路径
result_df = merge_excel_files('./your_excel_folder')

场景2：手动指定部分文件的日期

如果部分文件无法从文件名提取日期，直接传入映射字典：

date_map = {
    "ventes_octobre.xlsx": ("2021", "Octobre"),
    "ventes_novembre.xlsx": ("2021", "Novembre"),
    "ventes_decembre.xlsx": ("2021", "Décembre")
}

result_df = merge_excel_files('./your_excel_folder', date_mapping=date_map)

场景3：从文件名自动提取日期

假设文件名格式为"2021_Octobre_ventes.xlsx"，用正则匹配提取：

# 正则匹配4位年份和后续的月份字符串
regex_pattern = r'(\d{4})_(\w+)'
result_df = merge_excel_files('./your_excel_folder', extract_date_regex=regex_pattern)

注意事项 #

• 若Excel含多个工作表，可在pd.read_excel中添加sheet_name参数（如sheet_name=0读第一个表，sheet_name=None读所有表）
• 不同文件列名不一致时，合并会自动补全缺失值为NaN，可通过pd.concat的join参数调整合并规则
• 处理大文件时，可添加分块读取逻辑优化内存占用

内容的提问来源于stack exchange，提问作者Boutayna