当前位置：首页 > news >正文

Python高效合并Excel多Sheet工作表，告别繁琐手动操作

news 2025/9/25 13:46:28

Python高效合并Excel多Sheet工作表，告别繁琐手动操作

在日常办公中，我们经常会遇到一个Excel文件里包含多个工作表的情况，比如按日期、按部门分类的数据。如果要对这些数据进行汇总分析，手动复制粘贴不仅耗时，还容易出现疏漏。
在这里插入图片描述

今天就给大家分享一个实用的Python代码，能一键合并Excel中的所有工作表，让数据处理效率大幅提升。

完整代码

以下是实现该功能的完整代码，大家可以直接复制使用：

import pandas as pd
import osdef merge_excel_sheets(excel_file_path, output_file_path=None):"""读取 Excel 文件中的所有 sheet 页数据并汇总到一个 DataFrame 中参数:excel_file_path: Excel 文件路径output_file_path: 输出的 Excel 文件路径，默认为 None (不输出到文件)返回:汇总后的 DataFrame"""# 读取 Excel 文件中的所有 sheetxls = pd.ExcelFile(excel_file_path)sheet_names = xls.sheet_names# 创建一个空的 DataFrame 列表，用于存储每个 sheet 的数据dfs = []# 遍历每个 sheetfor sheet_name in sheet_names:# 读取当前 sheet 的数据df = pd.read_excel(excel_file_path, sheet_name=sheet_name)# 添加一列标识数据来源的 sheet 名称df['Sheet_Name'] = sheet_name# 将当前 sheet 的 DataFrame 添加到列表中dfs.append(df)# 将所有 DataFrame 合并成一个merged_df = pd.concat(dfs, ignore_index=True)# 如果指定了输出路径，则保存到文件if output_file_path:merged_df.to_excel(output_file_path, index=False)print(f"已将汇总数据保存到: {output_file_path}")return merged_df# 使用示例
if __name__ == "__main__":# 替换为你的 Excel 文件路径input_file = "范例1.xlsx"output_file = "merged_data.xlsx"# 确保输入文件存在if os.path.exists(input_file):# 汇总数据并保存到新文件result_df = merge_excel_sheets(input_file, output_file)# 打印汇总结果的前几行print("汇总数据预览:")print(result_df.head())# 打印每个 sheet 的行数统计print("\n各 Sheet 数据行数:")sheet_counts = result_df['Sheet_Name'].value_counts()for sheet, count in sheet_counts.items():print(f"{sheet}: {count} 行")print(f"\n总计: {len(result_df)} 行数据")else:print(f"文件不存在: {input_file}")

代码解析

1. 依赖库导入

代码开头导入了两个必要的库：

pandas：强大的数据处理库，用于读取Excel文件和处理数据
os：用于进行文件路径相关的操作，这里主要用来检查输入文件是否存在

2. 核心函数：merge_excel_sheets

这是实现数据合并的核心函数，我们来逐步解析其工作流程：

步骤1：获取所有工作表名称xls = pd.ExcelFile(excel_file_path)

sheet_names = xls.sheet_names通过pd.ExcelFile方法读取Excel文件，再通过sheet_names属性获取该文件中所有工作表的名称，为后续遍历做准备。

步骤2：遍历处理每个工作表for sheet_name in sheet_names:

    df = pd.read_excel(excel_file_path, sheet_name=sheet_name)df['Sheet_Name'] = sheet_namedfs.append(df)- 循环遍历每个工作表名称，使用`pd.read_excel`读取对应工作表的数据，得到一个DataFrame

为当前DataFrame添加一个Sheet_Name列，记录该数据来自哪个工作表，方便后续溯源
将处理好的DataFrame添加到列表dfs中暂存

步骤3：合并所有数据

merged_df = pd.concat(dfs, ignore_index=True)
使用`pd.concat`方法将列表中所有的DataFrame合并成一个，`ignore_index=True`表示合并后重新生成索引，避免索引重复。

步骤4：保存合并结果（可选）if output_file_path:

    merged_df.to_excel(output_file_path, index=False)print(f"已将汇总数据保存到: {output_file_path}")如果指定了输出文件路径，就将合并后的DataFrame保存为Excel文件，`index=False`表示不保存索引列。

3. 使用示例

代码最后部分是使用示例，主要做了这些事：

定义输入文件和输出文件的路径
检查输入文件是否存在，避免报错
调用合并函数进行数据处理
输出合并结果的预览、各工作表数据行数统计和总数据量

如何使用该代码

安装依赖库：首先确保安装了pandas库，如果没有安装，可运行以下命令：
```
pip install pandas openpyxl
```
（openpyxl是pandas处理xlsx格式文件所需的依赖）
准备Excel文件：将需要合并的Excel文件准备好，记住其路径。
修改文件路径：在代码的if __name__ == "__main__":部分，将input_file和output_file替换为实际的文件路径，例如：
```
input_file = "C:/data/各部门数据.xlsx"
output_file = "C:/data/全公司数据汇总.xlsx"
```
运行代码：执行Python脚本，等待程序运行完成。运行成功后，会在控制台输出汇总数据预览和统计信息，同时在指定路径生成合并后的Excel文件。