如何用Python遍历400个子文件夹批量打开指定Excel并存为df1、df2等

前置依赖 #

首先安装需要的依赖库：
pip install pandas openpyxl

推荐方案：用列表统一存储表格对象（优先选这个） #

这种方式比手动命名df1、df2灵活太多，后续批量处理、合并、统计都不用额外调整，非常适合处理400个同类文件的场景。
步骤如下：

• 导入依赖库

import pandas as pd
from pathlib import Path

• 定义根目录、目标Excel的固定名称，按需替换成你自己的路径和文件名

# 总文件夹的路径，可写绝对路径比如 Path("D:/项目文档/总文件夹")
root_dir = Path("你的总文件夹路径")
# 每个子文件夹里固定存在的Excel文件名
target_excel_name = "固定的目标Excel名称.xlsx"

• 初始化列表存储所有读取到的df，循环遍历读取

# 存储所有表格的列表，索引0对应原来的df1，索引1对应df2，以此类推
dfs_list = []

# 若你的400个子文件夹都是根目录下的一级目录，用下面的精准遍历逻辑，避免误搜其他位置的同名文件
for sub_dir in root_dir.iterdir():
    # 跳过根目录下的文件，只处理子文件夹
    if not sub_dir.is_dir():
        continue
    # 拼接当前子文件夹下的目标Excel路径
    current_excel_path = sub_dir / target_excel_name
    # 只处理存在的目标文件
    if current_excel_path.exists():
        df = pd.read_excel(current_excel_path)
        dfs_list.append(df)
    else:
        print(f"提示：子文件夹 {sub_dir.name} 中未找到目标Excel，已跳过")

运行完后，dfs_list[0]等价于手动命名的df1，dfs_list[1]等价于df2，后续要合并所有表格直接执行pd.concat(dfs_list)即可，要批量处理所有df直接遍历dfs_list就行。

次选方案：强制生成df1、df2...格式的独立命名变量（不推荐） #

如果有特殊需求必须要生成独立的df1、df2命名的变量，可以用动态赋值的方式实现，但这种写法属于Python的反模式，无法批量遍历处理变量，后续扩展灵活性很差，仅在特殊需求下使用。
代码逻辑：

# 先清理历史残留的df1、df2...变量，避免混淆
for var_name in list(globals().keys()):
    if var_name.startswith("df") and var_name[2:].isdigit():
        del globals()[var_name]

count = 1
for sub_dir in root_dir.iterdir():
    if not sub_dir.is_dir():
        continue
    current_excel_path = sub_dir / target_excel_name
    if current_excel_path.exists():
        df = pd.read_excel(current_excel_path)
        # 动态把当前df赋值给全局变量df{count}
        globals()[f"df{count}"] = df
        count += 1

运行完成后，会自动在全局作用域生成df1、df2、df3...直到dfN，N为实际找到的目标Excel数量。

注意事项 #

• 如果你的目标Excel是旧版.xls格式，需要额外安装xlrd库，读取时指定引擎：pd.read_excel(current_excel_path, engine="xlrd")
• 若目标Excel有多个工作表，需要读取指定工作表时，可在pd.read_excel()里加sheet_name="工作表名称"参数
• 遍历前可以先手动核对几个子文件夹的目标Excel路径，避免路径写错导致漏读

内容的提问来源于stack exchange，提问作者Ignacio Zamanillo