使用for循环导入3个Excel文件合并为Pandas DataFrame的问题及解决

需要导入3个.xlsx格式文件并合并为1个Pandas DataFrame，目标是使用for循环避免重复编写代码，以下是不同版本代码的问题和修正方案：

原始重复代码 #

filepath_1 = input('Enter Revenue Month M1 File Path: ')
revenue_month_1 = pd.read_excel(filepath_1)
revenue_month_1 = revenue_month_1.apply(pd.to_numeric, errors='ignore')
revenue_month_1['Month'] = pd.to_datetime(revenue_month_1['Month'], format='%Y%m', errors='coerce').dropna()

filepath_2 = input('Enter Revenue Month M2 File Path: ')
revenue_month_2 = pd.read_excel(filepath_2)
revenue_month_2 = revenue_month_2.apply(pd.to_numeric, errors='ignore')
revenue_month_2['Month'] = pd.to_datetime(revenue_month_2['Month'], format='%Y%m', errors='coerce').dropna()

filepath_3 = input('Enter Revenue Month M3 File Path: ')
revenue_month_3 = pd.read_excel(filepath_3)
revenue_month_3 = revenue_month_3.apply(pd.to_numeric, errors='ignore')
revenue_month_3['Month'] = pd.to_datetime(revenue_month_3['Month'], format='%Y%m', errors='coerce').dropna()

初次改写的for循环代码及问题 #

问题代码 #

revenue_reports = [
    input('Enter Revenue Month M1 File Path: '),
    input('Enter Revenue Month M2 File Path: '),
    input('Enter Revenue Month M3 File Path: '),
    ]

revenue = []

for revenue_report in revenue_reports:
    revenue = pd.read_excel(revenue_report)
    revenue = revenue.apply(pd.to_numeric, errors='ignore')
    revenue['Month'] = pd.to_datetime(revenue['Month'], format='%Y%m', errors='coerce').dropna()
    revenue = revenue.append(revenue)

运行现象 #

执行后只能获取到3个月数据中最后一个月（M3）的内容。

错误原因 #

• 变量命名冲突：初始定义revenue为存储所有单月数据的列表，但循环第一行就将revenue重新赋值为读取的单月DataFrame，直接覆盖了原列表，之前存储的内容全部丢失
• 追加逻辑错误：revenue = revenue.append(revenue)是把当前单月数据追加到自身，只会让当前月数据重复一次，没有存入全局结果容器，循环结束后revenue自然只剩最后一次循环的M3数据

修正后代码 #

revenue_reports = [
    input('Enter Revenue Month M1 File Path: '),
    input('Enter Revenue Month M2 File Path: '),
    input('Enter Revenue Month M3 File Path: '),
]

revenue = []

x = 1
for revenue_report in revenue_reports:
    revenue_monthly = pd.read_excel(revenue_report)
    revenue_monthly = revenue_monthly.apply(pd.to_numeric, errors='ignore')
    revenue_monthly["M"+str(x)] = pd.to_datetime(revenue_monthly['Month'], format='%Y%m', errors='coerce').dropna()
    x += 1
    revenue.append(revenue_monthly)
    
revenue = pd.concat(revenue)

修正点说明 #

• 新增独立的单月数据变量revenue_monthly，避免和结果列表重名
• 每次处理完的单月数据通过append存入结果列表，最后用pd.concat合并所有数据
• 新增了M1/M2/M3标识列，若不需要该标识，可直接保留原Month列即可

内容的提问来源于stack exchange，提问作者minnnmin