用 sheet_name=None 可一次性读取所有 sheet 并返回字典，最省事安全；需统一列名、类型及空值处理再合并；推荐 engine="openpyxl"；读完务必检查 keys() 和 shape 验证数据完整性。
用 pd.read_excel 一次性读取多个 sheet，别手动循环
直接传 sheet_name=None 给 pd.read_excel，它会返回一个 dict，key 是 sheet 名，value 是对应 DataFrame。这是最省事也最安全的方式，比写 for 循环 + 重复调用 read_excel 快得多，底层只打开一次 Excel 文件。
常见错误是误以为 sheet_name="Sheet1, Sheet2" 能生效——不行，字符串只认单个 sheet；传列表如 ["Sheet1", "Sheet2"] 倒是可以，但返回的是 dict 子集，不是全量；而 None 才是“全部”的明确信号。
-
sheet_name=None：返回所有 sheet 的 dict，推荐用于批量处理 -
sheet_name=["A", "B"]：只读指定几个，适合有明确目标表的场景 -
sheet_name=0或"Sheet1"：单表读取，性能略高但不满足多表需求 - 注意：如果 Excel 里有隐藏 sheet，
read_excel默认也会读进来，需后续用df.keys()检查并过滤
合并多 sheet 数据前，先统一列名和类型
不同 sheet 很可能字段名大小写不一致（如 "ID" vs "id"）、空格残留（"amount "）、甚至同一列在不同表里是字符串或数字混用。直接 pd.concat 会导致列错位、类型转成 object、后续计算报错。
建议在 concat 前加一层标准化处理：
- 统一列名：用
df.columns.str.strip().str.lower()清理空格和大小写 - 显式指定 dtype：比如
dtype={"id": "Int64", "price": "float64"}，避免read_excel自动推断出object - 对齐空值：Excel 里空单元格可能被读成
NaN、None或空字符串，统一用df.replace({"": pd.NA})再转pd.NA - 慎用
ignore_index=True：concat 后重排索引虽整洁，但会丢失原始 sheet 来源信息；如需溯源，建议提前加一列source_sheet
大文件读 Excel 多表时，openpyxl 引擎比默认更快更稳
默认引擎 xlrd 已停止维护，且不支持 .xlsx 格式；openpyxl 是当前推荐引擎，尤其对含公式、样式、大数据量的文件更可靠。Pandas 1.4+ 默认已切到 openpyxl，但老项目或显式指定引擎时仍需确认。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
性能差异明显：读一个 5MB、20 个 sheet 的文件，openpyxl 平均快 30%–50%，内存占用更低，且不会因某张 sheet 格式异常（如合并单元格跨行）而整个失败。
- 显式指定：加参数
engine="openpyxl"，尤其在 CI/CD 环境中避免依赖隐式行为 - 不要装
xlrd>2.0：新版xlrd只支持 .xls，装了反而导致.xlsx报错Unsupported format - 若需读取带宏的 .xlsm 文件，必须用
engine="openpyxl"，xlrd完全不支持
读完多表后，别急着 pd.concat，先看 df.keys() 和 df[key].shape
很多问题其实出在“以为读进来了”，结果某张表是空的、名字被改过、或者被保护了没权限读——但 read_excel(sheet_name=None) 不报错，只是默默跳过或返回空 DataFrame。
真正稳妥的做法是读完立刻检查：
- 打印
list(result_dict.keys())，确认 sheet 名是否符合预期（注意 Excel 中重命名过的 sheet 名） - 遍历每个
df，用df.shape看行数列数，空表会是(0, N)，不是None - 对关键字段做
df[col].nunique()或df[col].dtypes，验证数据是否真被解析出来，而不是全为object - 如果某张表始终读不出来，试试单独读它：
pd.read_excel(file, sheet_name="ProblemSheet")，再看具体报什么错
最常被忽略的是 sheet 名里的不可见字符（比如复制粘贴带来的零宽空格），肉眼看着一样，实际 key 对不上——这时候 repr(key) 就很有用。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
