最推荐用 pandas.concat 合并多个 excelfile 的 sheet 数据，先统一结构再写入；需显式指定 sheet_name、标准化列名、添加来源标识，并用 excelwriter 多 sheet 输出。
用 pandas.concat 合并多个 ExcelFile 的 sheet 数据
直接读取多个 Excel 文件的同名或不同名 sheet，再拼接成一个 DataFrame，是最常见也最可控的做法。关键不是“合并文件”，而是“合并数据”——先统一结构，再写入新文件。
- 每个
pd.read_excel()调用最好显式指定sheet_name（比如0、"Sheet1"或None），避免默认只读第一个 sheet 或意外跳过空表 - 如果各文件字段不一致，
concat会自动对齐列，缺失值填NaN；但列名大小写、空格、前后缀不一致会导致重复列，建议提前用.columns.str.strip().str.lower()标准化 - 不要用
append（已弃用）或循环pd.concat([df1, df2, df3])多次调用，应把所有 DataFrame 收集到列表里，一次性pd.concat(dfs, ignore_index=True)
保留原始 sheet 名称并添加来源标识
很多场景需要知道某行数据来自哪个文件、哪个 sheet。靠文件名或 sheet 名打标签，比单纯堆叠更实用。
- 读取时用
pd.read_excel(..., sheet_name=None)得到dict：键是 sheet 名，值是 DataFrame；再对每个df添加列如source_file和source_sheet - 示例：
dfs = []<br>for f in ["a.xlsx", "b.xlsx"]:<br> exc = pd.ExcelFile(f)<br> for sheet in exc.sheet_names:<br> df = exc.parse(sheet)<br> df["source_file"] = f<br> df["source_sheet"] = sheet<br> dfs.append(df)
- 注意：如果某个文件里有多个 sheet，而你只想要其中一部分，别用
sheet_name=None全读——浪费内存；改用sheet_name=["Sales", "Orders"]
写入单个 Excel 文件时控制多 sheet 输出
to_excel 默认只写一个 sheet，要分 sheet 写入，必须用 ExcelWriter 上下文管理器，且每个 df.to_excel(writer, sheet_name=...) 必须在同一个 writer 实例中完成。
- 错误做法：
df1.to_excel("out.xlsx", sheet_name="A"); df2.to_excel("out.xlsx", sheet_name="B")—— 第二步会覆盖第一步 - 正确写法：
with pd.ExcelWriter("output.xlsx", engine="openpyxl") as writer:<br> df1.to_excel(writer, sheet_name="Raw_Data", index=False)<br> summary_df.to_excel(writer, sheet_name="Summary", index=False) - 引擎选
openpyxl（支持 .xlsx 写入多 sheet），别用默认xlsxwriter（不支持追加已有文件，也不支持读取） - 如果目标文件已存在，
ExcelWriter默认会清空它；想追加内容？得先用openpyxl.load_workbook()手动打开、复制旧 sheet，再写新 sheet——这已超出pandas能力范围
大文件合并时内存和性能怎么扛住
几十 MB 的 Excel 合并时卡死，往往不是代码逻辑错，而是没做分块或类型优化。
- 读取时加
dtype参数，比如dtype={"ID": "string", "Amount": "float32"}，避免 pandas 自动推断成object或float64浪费内存 - 不用
read_excel读整个 sheet，可配合usecols只读必要列，nrows限制行数做调试，skiprows/skipfooter跳过报表头尾 - 合并后写入前，用
df.memory_usage(deep=True).sum()看实际占用；超 500MB 就该考虑分批写入或换用pyarrow+parquet中转
真正麻烦的是混合格式：日期识别错、数字存成文本、合并单元格残留——这些不会报错，但会让后续分析跑偏。别依赖 Excel 自动格式，读进来立刻用 pd.to_datetime、pd.to_numeric(..., errors="coerce") 显式转换。
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！
