想要高效合并Excel表格？本教程详解**Python批量合并Excel表格**的实用技巧，教你利用强大的`pandas`库轻松实现多Sheet合并。告别繁琐的手动操作，通过`pd.read_excel(sheet_name=None)`一键读取所有Sheet，再用`pd.concat()`快速整合为单一DataFrame。更进一步，我们还介绍了如何添加`source_sheet`列，清晰标记每条数据的来源Sheet，以及如何灵活筛选指定Sheet进行合并。掌握这些技巧，让你在数据处理中游刃有余，大幅提升工作效率。记住，确保各Sheet列结构一致是关键，避免合并后出现NaN值哦！示例代码已备好，快来学习吧！

答案：Python使用pandas读取Excel多sheet并合并，通过pd.read_excel(sheet_name=None)获取所有sheet字典，再用pd.concat()整合为单一DataFrame。可添加source_sheet列标记数据来源，或指定sheet名称列表仅合并部分表。需注意各sheet列结构一致性，避免合并后产生NaN值。示例代码展示了完整流程，包括保留来源信息和筛选特定sheet的方法。

Python可以通过 pandas 结合 openpyxl 或 xlrd 等库来读取和操作 Excel 文件中的多个 sheet，并将它们整合成一个统一的数据结构。最常用的方法是把所有 sheet 的数据合并成一个 DataFrame，便于后续分析。

读取多个sheet并合并

使用 pandas 的 read_excel 方法，可以指定读取某个 sheet，或者一次性读取所有 sheet。通过设置 sheet_name=None，会返回一个字典，键是 sheet 名称，值是对应的数据框。

示例代码：

import pandas as pd
读取所有 sheet
file_path = 'data.xlsx'
all_sheets = pd.read_excel(file_path, sheet_name=None)
将所有 sheet 的数据合并成一个 DataFrame
combined_df = pd.concat(all_sheets.values(), ignore_index=True)
查看结果
print(combined_df.head())

保留 sheet 来源信息

如果需要知道每一行数据来自哪个 sheet，可以在合并前为每张表添加一个标识列。

示例代码：

import pandas as pd
file_path = 'data.xlsx'
all_sheets = pd.read_excel(file_path, sheet_name=None)
df_list = []
for sheet_name, df in all_sheets.items():
df['source_sheet'] = sheet_name  # 添加 sheet 名称作为新列
df_list.append(df)
合并所有带来源标记的表
combined_df = pd.concat(df_list, ignore_index=True)

筛选特定 sheet 进行整合

若不需要全部 sheet，可手动指定 sheet 名称或根据条件过滤。

示例代码：

# 只读取指定的 sheet
selected_sheets = ['Sheet1', 'Sheet2']
selected_data = pd.read_excel(file_path, sheet_name=selected_sheets)
combined_df = pd.concat(selected_data.values(), ignore_index=True)

基本上就这些。只要掌握 pd.read_excel(sheet_name=None) 和 pd.concat()，就能灵活处理多 sheet 整合问题。注意确保各 sheet 的列结构相似，否则合并后可能出现 NaN 值。不复杂但容易忽略细节。

到这里，我们也就讲完了《Python批量合并Excel表格方法》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于的知识点！