python - 使用 pandas 循环遍历 .xlsx 文件，仅执行第一个文件

Question

我的最终目标是将充满 .xlsx 文件的文件夹的内容合并为一个大文件。

我认为下面的代码就足够了，但它只执行第一个文件，而且我不明白为什么它停在那里。文件很小(约 6 KB)，因此不需要等待。如果我打印 f_list，它会显示完整的文件列表。那么，我哪里出错了？ 需要明确的是，没有返回错误，它只是不执行整个 for 循环。我觉得应该有一个简单的修复，但作为 Python 和编码新手，我遇到了麻烦看到了。

我在 Windows 8 上使用 Anaconda 执行此操作。

import pandas as pd
import glob
f_list = glob.glob("C:\\Users\\me\\dt\\xx\\*.xlsx")  # creates my file list
all_data = pd.DataFrame()             # creates my DataFrame

for f in f_list:                      # basic for loop to go through file list but doesn't
    df = pd.read_excel(f)             # reads .xlsx file
    all_data = all_data.append(df)    # appends file contents to DataFrame
all_data.to_excel("output.xlsx")      # creates new .xlsx

使用新信息进行编辑:

在尝试了一些建议的更改后，我注意到输出声称这些文件是空的，但其中 1 个文件比其他文件稍大。如果我将它们放入 DataFrame 中，它会声称 DataFrame 为空。如果我将它放入字典中，它会声称没有关联的值。这可能与文件大小有关吗？许多(如果不是大多数)这些文件都有 3-5 行 5 列。它看到的有 12 行。

Answer 1

我强烈建议将 DataFrame 读入字典中:

sheets = {f: pd.read_excel(f) for f in f_list}

一方面，这非常易于调试:只需检查 REPL 中的字典即可。

另一个是，您可以一次性将它们有效地连接到一个 DataFrame 中:

pd.concat(sheets.values())

注意:这比追加要快得多，后者必须在每次追加调用时分配一个临时 DataFrame。

<小时/>

另一个问题是您的 glob 可能无法拾取所有文件，您应该通过打印 f_list 来检查是否拾取了所有文件。