用Python轻松合并Excel文件,告别重复劳动!
- 2026-09-22 19:14:03
工作中经常需要合并多个Excel文件？用pandas几行代码就能搞定，效率提升100倍！
今天要和大家聊聊一个职场高频痛点：合并Excel文件。
一、你是否也遇到过这些场景？
经常性的要合并不同时间段或者销售部门的销售报表，手动复制粘贴到手软
分公司或不同部门各自提交数据，汇总时打开十几甚至几十个Excel文件
多个部门提交表格，字段顺序还不一样，合并时经常错位
数据量一大，Excel直接卡死，复制粘贴更是灾难
如果你中招了，那么恭喜你，今天这篇文章能帮你找到一种方法解决这个问题。
二、准备工作
只需要两个库：
pip install pandas openpyxlpandas：数据处理神器
openpyxl：读写xlsx格式的Excel文件
三、场景一：合并多个结构相同的Excel
假设你有一个文件夹，里面是1-12月的销售数据，每个文件结构完全一样。
sales/├── 1月.xlsx├── 2月.xlsx├── ...└── 12月.xlsx
核心代码：import pandas as pdimport glob import os# 1. 获取所有Excel文件路径folder = 'sales'files = glob.glob(os.path.join(folder,'*.xlsx'))# 2. 批量读取并合并df_list = [pd.read_excel(f) for f in files]result = pd.concat(df_list, ignore_index=True)# 3. 保存结果result.to_excel('合并结果.xlsx', index=False)print(f'共合并 {len(files)} 个文件，{len(result)} 行数据')
就这么简单！ 四行核心代码搞定一年的报表合并。
小技巧：保留来源文件名
有时候我们需要知道每行数据来自哪个文件：
df_list = []for f in files:df = pd.read_excel(f)df['来源文件'] = os.path.basename(f) # 新增来源列df_list.append(df)result = pd.concat(df_list, ignore_index=True)
四、场景二：合并多个Sheet
一个Excel里有多个工作表，也想合并：
file_path ='年度数据.xlsx'# 读取所有sheetsheets = pd.read_excel(file_path, sheet_name=None)# 返回字典# 合并所有sheetresult = pd.concat(sheets.values(), ignore_index=True)result.to_excel('合并所有sheet.xlsx', index=False)
如果想要保留sheet名字作为来源标识：
df_list = []for sheet_name, df in sheets.items():df['来源表'] = sheet_namedf_list.append(df)result = pd.concat(df_list, ignore_index=True)
五、场景三：合并字段不一致的Excel
这是比较麻烦的情况——不同文件的列名或顺序不同，甚至有缺失列。
df_list = [pd.read_excel(f) for f in files]# concat会自动对齐列名，缺失的填NaNresult = pd.concat(df_list, ignore_index=True)# 如果列名有细微差异，可以先统一列名rename_map = {'姓名':'name','Name':'name','名字':'name'}for df in df_list:df.rename(columns=rename_map, inplace=True)
pandas的智能对齐：即使A文件有"销售额"列而B文件没有，合并后会自动用NaN填充，不会错位。
六、场景四：只合并指定列
有时候几十列数据我们只需要几列：
usecols =['订单号','客户名称','金额','日期']df_list = [pd.read_excel(f, usecols=usecols) for f in files]result = pd.concat(df_list, ignore_index=True)
用 usecols 参数既能加速读取，又能精简数据。
七、进阶技巧
1. 处理大文件：分批合并
如果文件特别多，可以边读边合并，节省内存：
result = pd.DataFrame()for f in files:df = pd.read_excel(f)result = pd.concat([result, df], ignore_index=True)
2. 加上时间戳，避免覆盖
from datetime import datetimetimestamp = datetime.now().strftime('%Y%m%d_%H%M%S')result.to_excel(f'合并结果_{timestamp}.xlsx', index=False)
3. 输出到多个sheet（按某列拆分）
with pd.ExcelWriter('拆分结果.xlsx') as writer:for dept, group in result.groupby('部门'):group.to_excel(writer, sheet_name=dept, index=False)
八、完整实战案例
把上面的知识串起来，写一个通用合并脚本：
import pandas as pdimport globimport osfrom datetime import datetimedef merge_excel(folder, output_name='合并结果', key_col=None):"""合并文件夹下所有Excel文件:param folder: 文件夹路径:param output_name: 输出文件名:param key_col: 用于拆分的列名（可选）"""files = glob.glob(os.path.join(folder,'*.xlsx'))if not files:print('未找到Excel文件')returndf_list = []for f in files:df = pd.read_excel(f)df['来源文件'] = os.path.basename(f)df_list.append(df)print(f'已读取: {os.path.basename(f)} - {len(df)}行')result = pd.concat(df_list, ignore_index=True)timestamp = datetime.now().strftime('%Y%m%d_%H%M%S')output =f'{output_name}_{timestamp}.xlsx'if key_col and key_col in result.columns:# 按指定列拆分到多个sheetwith pd.ExcelWriter(output) as writer:for key, group in result.groupby(key_col):group.to_excel(writer, sheet_name=str(key)[:31], index= False)print(f'已按"{key_col}"拆分输出到: {output}')else:result.to_excel(output, index=False)print(f'合并完成: {output}，共 {len(result)} 行')return result# 使用merge_excel('sales', output_name='销售汇总', key_col='部门')
九、常见问题
Q1：报错"File is not a zip file"？可能文件是xls格式，改用 pd.read_excel(f, engine='xlrd')，或先转换为xlsx。
Q2：日期变成了数字？pandas会自动识别，如果没识别，读取时加 parse_dates=['日期列']。
Q3：合并后顺序乱了？concat 默认按文件读取顺序，如需排序用 result.sort_values('日期')。
Q4：数据量太大内存不够？考虑改用 pd.read_csv 处理CSV，或使用 chunksize 分块读取。
十、总结
pd.concat([...]) | |
read_excel(sheet_name=None) | |
usecols=[] | |
核心思想：把每个Excel读成DataFrame，用 pd.concat 拼接，再一次性写出。整个过程不到10行代码，却可能能节省你几个小时的时间。
学会这招，以后每月的报表合并、数据汇总，就是运行一次脚本的事。把重复劳动交给代码，把时间留给更有价值的事。
