使用Pandas合并Excel文件时遇报错及列对齐问题求助

第一个问题：xlrd格式报错 #

你遇到的这个报错：

xlrd.biffh.XLRDError: Unsupported format, or corrupt file: Expected BOF record; found b'\x15Microso'

其实是因为你当前使用的xlrd版本（大概率是1.x系列）只支持旧的.xls格式，对.xlsx文件的兼容性很差——哪怕你重新保存了文件，用xlrd读取xlsx还是容易触发这个问题。

解决方法非常直接：

1. 在pd.read_excel()中指定使用openpyxl引擎（它专门处理.xlsx文件）：

   df = pd.read_excel(f, engine='openpyxl')
   

2. 如果你还没安装openpyxl，先在终端执行安装命令：

   pip install openpyxl
   

第二个问题：合并后列无法对齐 #

列错位的核心原因是各个Excel文件的表头位置或列结构不一致：有的文件从A列开始就是有效表头，有的前面几列是空的，Pandas读取时会把空列也纳入，而合并时是按列名匹配的，自然就出现了错位。

你可以按以下步骤修复：

• 统一表头位置：如果某个文件的表头不在第一行（比如第二行才是列名），用header参数指定，比如pd.read_excel(f, engine='openpyxl', header=1)
• 过滤无效空列：用usecols参数指定要读取的有效列范围，比如只读取A到Z列：pd.read_excel(f, engine='openpyxl', usecols='A:Z')
• 改用更稳定的合并方法：弃用已经被Pandas弃用的append()，换成pd.concat()，效率更高且不易出问题

修改后的完整脚本 #

import pandas as pd
import glob
from sys import argv

script, file_location, outpath = argv
files = glob.glob(file_location + "*.xlsx")
all_data = []

for f in files:
    # 根据你的实际情况调整header（表头行）和usecols（列范围）
    df = pd.read_excel(f, engine='openpyxl', header=0, usecols='A:Z')
    # 如果各个文件列名不一致，可手动统一列名：
    # df.columns = ['列名1', '列名2', '列名3', ...]
    all_data.append(df)

# 合并数据并重置索引
combined_df = pd.concat(all_data, ignore_index=True)
# 导出时去掉默认索引
combined_df.to_excel(f"{outpath}.xlsx", index=False)

内容的提问来源于stack exchange，提问作者Issam Beik