使用Pandas快速合并多张Excel表格的操作指南

一颗松果

发布时间：2026-10-12| 2人浏览过

原创

本文详细拆解使用Pandas批量合并多张Excel表格的标准流程，涵盖有序文件遍历与无序目录扫描两种代码实现。同步给出身份证号等超长数字截断乱码的精准修复方案，助力高效完成底层数据汇总。

目标与准备条件

将分散在多份Excel工作簿中的业务记录汇总为单表，是日常数据处理的高频需求。使用Pandas库可通过编写简短脚本替代手动复制粘贴，显著提升效率并保证数据格式一致。操作前需确保环境已安装Pandas框架及对应依赖（如openpyxl），并将待处理的文件集中于同一工作目录（示例路径：C:/Users/admin/Downloads/）。

按命名规律批量合并

第1步：构造遍历路径并顺序读取

当源文件命名遵循明确序列（如名称中固定包含1至10的序号）时，可直接通过循环动态拼接文件绝对路径，依次加载进内存列表。

import pandas as pd

base_path = 'C:/Users/admin/Downloads/'
dfs = []
for i in range(1, 11):
    file_path = f"{base_path}excel表格名称{i}.xlsx"
    dfs.append(pd.read_excel(file_path))

df_concat = pd.concat(dfs, ignore_index=True)
df_concat.to_excel(f"{base_path}合并结果.xlsx", index=False)

关键参数说明：ignore_index=True可重置合并后的行号，避免残留原始索引造成后续分析干扰；若各表字段结构完全一致，此方法可直接产出标准汇总表。

处理无序或非规文件

第2步：利用系统模块扫描目录并过滤

当文件名杂乱无章或数量不定时，调用操作系统内置模块获取当前文件夹下的完整清单，配合后缀名过滤即可精准定位目标工作簿。

import pandas as pd
import os

target_dir = 'C:/Users/admin/Downloads/'
dfs = []
for filename in os.listdir(target_dir):
    if filename.endswith('.xlsx'):
        file_path = os.path.join(target_dir, filename)
        dfs.append(pd.read_excel(file_path))

df_concat = pd.concat(dfs, ignore_index=True)
df_concat.to_excel(os.path.join(target_dir, '合并结果.xlsx'), index=False)

完成判断：脚本运行结束后，目标文件夹内自动生成合并结果.xlsx。双击打开可见所有子表数据已纵向堆叠，行列总数与源文件累加值一致即视为合并成功。

常见异常排查：长数字与身份证号乱码处理

Pandas解析Excel时默认将纯数字列转换为浮点型或科学计数法，直接导致身份证号、银行卡号等长文本被截断或变成乱码。通过读取阶段强制指定列类型，即可在源头阻断格式损失。

# 读取时强制将目标列转为字符串对象
raw_data = pd.read_excel('C:/Users/admin/Downloads/file.xlsx', 
                         converters={'身份证号码': str})

# 导出时关闭行索引，保持原始排版
raw_data.to_excel('C:/Users/admin/Downloads/最终汇总.xlsx', index=False)

补充说明：现代Pandas版本默认调用openpyxl引擎输出.xlsx文件，已原生支持中文与Unicode字符，无需额外声明GBK编码；若仍遇特殊符号兼容问题，可在导出后使用办公软件的“数据 → 分列”功能快速核对显示状态。