使用Python Pandas读取多CSV文件转Excel并添加文件名至行

以下是实现需求的完整代码，包含详细注释：

import pandas as pd
import os

# 配置路径（替换为你的实际路径）
csv_directory = "./your_csv_folder"  # 存放CSV文件的文件夹
output_excel_path = "merged_data_with_filenames.xlsx"

# 初始化空DataFrame用于存储合并后的数据
merged_data = pd.DataFrame()

# 遍历目标文件夹中的所有CSV文件
for file_name in os.listdir(csv_directory):
    if file_name.lower().endswith(".csv"):  # 忽略大小写匹配CSV后缀
        file_full_path = os.path.join(csv_directory, file_name)
        # 读取CSV文件
        df = pd.read_csv(file_full_path)
        # 添加"来源文件名"列，若需去掉.csv后缀可替换为os.path.splitext(file_name)[0]
        df["来源文件名"] = file_name
        # 合并数据到总DataFrame
        merged_data = pd.concat([merged_data, df], ignore_index=True)

# 将合并后的数据写入Excel，不保留索引列
merged_data.to_excel(output_excel_path, index=False)

补充说明 #

• 精准匹配CSV文件：如果文件夹中有非CSV文件，也可以用glob库更可靠地筛选：

  from glob import glob
  csv_files = glob(os.path.join(csv_directory, "*.csv"))
  for file_full_path in csv_files:
      file_name = os.path.basename(file_full_path)
      # 后续读取合并逻辑同上
  

• 处理列结构差异：若不同CSV的列名/数量不一致，concat会自动为缺失列填充NaN；如需严格统一列结构，可在pd.read_csv()中用usecols参数指定固定列。
• 大文件优化：处理超大CSV时，建议用pd.read_csv(chunksize=10000)分块读取，避免内存溢出。

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