用python中pandas写一段合并excel表格的代码。要求：多个excel文件在同一个文件夹下，遍历文件夹，每个excel表格数据结构相同

以下是一段使用 `pandas` 库来合并多个 Excel 表格的 Python 代码： ```python import pandas as pd import os # 定义要读取的文件夹路径（假设所有Excel都在这个文件夹中） folder_path = 'your_folder_path_here' # 创建一个空列表用于存储所有的数据框 dfs = [] # 遍历指定文件夹中的每个文件 for file_name in os.listdir(folder_path): if file_name.endswith('.xlsx') or file_name.endswith('.xls'): # 检查是否为Excel文件 file_path = os.path.join(folder_path, file_name) df = pd.read_excel(file_path) # 使用pandas读取Excel文件 dfs.append(df) # 将DataFrame添加到列表中 if dfs: # 如果有至少一个Excel文件被加载 combined_df = pd.concat(dfs, ignore_index=True) # 合并所有DataFrame，并重置索引 print("合并后的表格：") print(combined_df) # 将结果保存到一个新的Excel文件 output_file = "combined_output.xlsx" combined_df.to_excel(output_file, index=False) print(f"已将合并的结果保存至 {output_file}") else: print("没有找到任何Excel文件！") ``` ### 解释： 1. **导入模块** - 我们首先引入了两个关键库：`pandas` 和 `os`。 - `pandas`: 用于处理和操作 DataFrame 数据结构，支持高效地读写 Excel 文件。 - `os`: 提供对操作系统功能的支持，比如遍历目录下的文件。 2. **设置目标文件夹路径** - 变量 `folder_path` 是存放需要合并的 Excel 文件所在的目录路径，请将其替换为你实际使用的路径。 3. **循环读取 Excel 文件** - 使用 `os.listdir()` 列出该文件夹内所有文件名。 - 对于后缀名为 `.xlsx` 或 `.xls` 的文件进行筛选。 - 使用 `pd.read_excel()` 方法逐个读取这些文件的内容并将它们作为 Pandas DataFrames 存储在一个列表 (`dfs`) 中。 4. **合并 DataFrames 并输出** - 当所有符合条件的文件都被成功解析成 DataFrame 后，调用 `pd.concat()` 函数把这些单独的数据表按行方向拼接起来形成最终的大表 (注意参数 `ignore_index=True`，这会确保新生成的合并表重新编号其行号而非沿用原始行号）。 - 最终结果还可以选择性地导回本地磁盘上新的 Excel 文档里以便用户下载或查看。 5. **异常情况处理** - 若未发现待处理的目标文件，则程序提示“无可用资源”信息；反之则正常运行直至结束。 #### 注意事项： - 执行这段脚本之前需安装依赖项——即确认系统环境中已经预装好了 `openpyxl` 这样的额外包才能正确解读现代版式的 XLSX 格式文档内容。（可通过命令如 pip install openpyxl 实现快速部署） ---

可以使用 Pandas 的 `read_excel`、`concat` 和 `to_excel` 方法读写 Excel 文件，以及 `drop_duplicates` 方法进行去重处理。同时，可以结合 `ExcelWriter` 和 `chunksize` 参数实现将数据写入到多个工作表中，每个工作表最多包含 50 行数据。示例代码如下： ```python import os import pandas as pd # 定义文件夹路径 folder_path = 'folder/' # 读取文件夹中所有 Excel 文件的数据，并合并成一个 DataFrame files = os.listdir(folder_path) dfs = [] for file in files: if file.endswith('.xlsx'): df = pd.read_excel(os.path.join(folder_path, file)) dfs.append(df) df = pd.concat(dfs, ignore_index=True) # 对合并后的数据进行去重处理 df = df.drop_duplicates() # 将数据按行进行分块 chunks = pd.DataFrame(np.array_split(df, len(df) // 50 + 1)) # 创建 ExcelWriter 对象 writer = pd.ExcelWriter('output.xlsx') # 遍历每个数据块，将数据写入到工作表中 for i, chunk in enumerate(chunks): # 构造工作表名称 sheet_name = 'Sheet{}'.format(i + 1) # 将数据写入到工作表中 chunk.to_excel(writer, sheet_name=sheet_name, index=False) # 保存 Excel 文件 writer.save() ``` 这段代码首先定义了文件夹路径 `folder_path`，然后读取该文件夹中所有 Excel 文件的数据，并合并成一个 DataFrame。接着，对合并后的数据进行去重处理。然后，将数据按行进行分块，每块最多包含 50 行数据。接着，将每个数据块写入到一个新的工作表中，并将这些工作表保存到一个名为 `output.xlsx` 的 Excel 文件中。