如何为多工作表DataFrame的列添加值并生成新多表DataFrame

问题背景 #

我有一个包含40个工作表的Excel文件（示例简化为2个），每个工作表均有3列。需要对所有工作表执行相同操作：给first列的每个值加4，second列的每个值加8，处理后需保留原工作表的对应结构，生成包含所有处理后工作表的新数据集合。

现有代码片段（存在缺陷）：

ddf = pd.DataFrame()
for i in range(40):
    df = pd.read_excel(xls, i)

单工作表的原始处理逻辑（效率低且未完成赋值）：

for i in range(len(df["first"])):
    df["first"].iloc[i] + 4
    df["second"].iloc[i] + 8

解决方案 #

优化后的批量处理代码 #

import pandas as pd

# 打开目标Excel文件
xls = pd.ExcelFile("你的Excel文件路径.xlsx")

# 用字典存储处理后的所有工作表（键为工作表名，值为处理后的DataFrame）
processed_sheets = {}

# 遍历所有工作表
for sheet_name in xls.sheet_names:
    # 读取当前工作表数据
    df = pd.read_excel(xls, sheet_name=sheet_name)
    
    # 批量修改列值（矢量化操作，无需逐行循环）
    df["first"] += 4
    df["second"] += 8
    
    # 将处理后的DataFrame存入字典
    processed_sheets[sheet_name] = df

# 可选：将所有处理后的工作表写入新Excel文件
with pd.ExcelWriter("处理完成的文件.xlsx") as writer:
    for sheet_name, df in processed_sheets.items():
        df.to_excel(writer, sheet_name=sheet_name, index=False)

关键说明 #

• 自动识别工作表：通过xls.sheet_names获取所有工作表名称，无需手动指定数量，适配任意数量的工作表
• 矢量化操作：df["first"] += 4会对列内所有元素批量计算，比逐行循环效率提升数十倍，同时避免iloc赋值的潜在索引问题
• 保留工作表结构：用字典存储处理后的DataFrame，键对应原工作表名称，完美保留原文件的工作表对应关系
• 批量写入输出：通过pd.ExcelWriter可一次性将所有处理后的工作表写入新文件，保持原结构不变

内容的提问来源于stack exchange，提问作者Megan