如何用 Python 批量循环读取 Excel ？

**批量循环读取 Excel 文件的方法**

在实际工作中，我们经常需要处理大量的 Excel 文件，这些文件可能包含相同的结构和数据。为了提高效率，我们可以使用 Python 来批量循环读取这些 Excel 文件。这篇文章将介绍如何使用 Python 的 `pandas` 库来实现这一点。

**安装所需库**

首先，我们需要安装 `pandas` 和 `openpyxl` 这两个库。`pandas` 是一个用于数据分析和操作的强大库，而 `openpyxl` 则是用于读取和写入 Excel 文件的库。

bashpip install pandas openpyxl

**准备工作**

假设我们有一个名为 `data` 的文件夹，里面包含多个 Excel 文件（以 `.xlsx` 结尾）。我们需要将这些文件的路径存储在一个列表中。

import os# 获取所有 Excel 文件的路径excel_files = []
for file in os.listdir('data'):
 if file.endswith('.xlsx'):
 excel_files.append(os.path.join('data', file))

**批量循环读取 Excel 文件**

现在，我们可以使用 `pandas` 来批量循环读取这些 Excel 文件。我们将使用 `pd.read_excel()` 函数来读取每个文件，然后存储数据在一个列表中。

import pandas as pd# 初始化一个空列表，用于存储所有 Excel 文件的数据all_data = []

# 循环读取每个 Excel 文件for file in excel_files:
 #读取当前 Excel 文件 data = pd.read_excel(file)
 # 将数据追加到 all_data 列表中 all_data.append(data)

# 打印所有 Excel 文件的数据print(all_data)

**处理数据**

在上面的例子中，我们只是简单地将每个 Excel 文件的数据追加到了 `all_data` 列表中。然而，在实际工作中，我们可能需要对这些数据进行一些处理，例如合并相同列、删除空值等。

我们可以使用 `pandas` 的各种函数来实现这一点。例如，我们可以使用 `pd.concat()` 函数来合并所有 Excel 文件的数据。

# 合并所有 Excel 文件的数据all_data = pd.concat(all_data, ignore_index=True)

# 打印合并后的数据print(all_data)

**总结**

在本文中，我们介绍了如何使用 Python 的 `pandas` 库来批量循环读取 Excel 文件。我们首先安装所需的库，然后准备工作，包括获取所有 Excel 文件的路径和初始化一个空列表用于存储数据。

接着，我们使用 `pd.read_excel()` 函数来读取每个 Excel 文件，并将数据追加到 `all_data` 列表中。在处理数据部分，我们展示了如何合并所有 Excel 文件的数据。

最后，我们提供了一些示例代码，供您参考和学习。