使用pandas与glob按每4个一组合并Excel生成P1-P305对应文件

提供两种可直接运行的实现方案，输出效果完全一致，可根据自己的场景选择。

方案1：按点位分组直接拼接源文件（推荐） #

该方案无需先生成全量合并文件，直接根据文件名前缀将同一点位的4个文件归为一组，横向拼接后单独导出，不会出现列错位问题，大文件场景下内存占用更低。

import os
import glob
import pandas as pd
from collections import defaultdict

# 读取当前目录下所有xlsx格式文件
file_list = glob.glob("*.xlsx")
# 过滤掉可能已生成的结果文件，避免重复读取
file_list = [f for f in file_list if os.path.basename(f) != "Final.xlsx"]

# 按点位名分组存储文件
point_group = defaultdict(list)
for filename in file_list:
    # 从文件名提取点位标识，例：从P1-a.xlsx提取P1
    point_id = filename.split("-")[0]
    point_group[point_id].append(filename)

# 逐组拼接并导出
for point_id, group_files in point_group.items():
    df_container = []
    for file in group_files:
        print(f"读取文件：{file}")
        temp_df = pd.read_excel(file, header=None)
        df_container.append(temp_df)
    # 横向拼接逻辑和原全量合并代码完全一致
    merged_point_df = pd.concat(df_container, axis=1)
    merged_point_df.to_excel(f"{point_id}.xlsx", index=None)

方案2：基于已生成的Final_df按列拆分 #

如果已经完成全量文件合并生成了Final_df，可以直接按每4列为一组切分DataFrame后导出，无需重复读取所有源文件，运行速度更快。

import pandas as pd

# 读取已生成的全量合并表
final_df = pd.read_excel("Final.xlsx", header=None)
# 固定参数：共305个点位，每个点位对应4列数据
point_count = 305
col_per_point = 4

for idx in range(point_count):
    # 计算当前点位对应的列索引区间
    col_start = idx * col_per_point
    col_end = col_start + col_per_point
    # 切分对应列
    point_df = final_df.iloc[:, col_start:col_end]
    point_name = f"P{idx+1}"
    print(f"导出文件：{point_name}.xlsx")
    point_df.to_excel(f"{point_name}.xlsx", index=None)

注意事项 #

• 方案2仅适用于原全量合并时文件读取顺序完全符合P1-a→P1-b→P1-c→P1-d→P2-a……→P305-d的场景，如果glob读取文件时顺序错乱，拆分结果会出现列错位
• 如果无法确认原文件读取顺序，优先选择方案1，分组逻辑完全基于文件名，不会出现错位问题

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