研究背景：
由于工作中每天需要计算遗留工单，但工单创建的时间不确定，需要导出近半年的数据进行筛选，而系统一次只能到处一个月的数据，格式为excel格式文件，文件大学为10MB左右，每个文件数据量2万行~5万行x89列，因此需要将每个文件的数据合并到一个文件进行筛选，此前因为合并一种劳务费申诉表（数据不超过2000行x19列）写过一个python+xlwings合并文件夹下的excel文件的脚本代码（可以查我之前的文章：
python3和xlwings实现的合并同一目录下的所有excel（工作薄）文件中的所有Sheet（工作表）到一个excel（工作簿）中的第一个Sheet（工作表）中：
），但范围选择不好设置，所以有了用pandas合并的想法，并查资料，改代码，经过一番修改，最新状态如下：
import numpy as np
import pandas as pd
import xlrd
import os
import xlwings as xw
# root_path:存放需合并文件的文件夹路径
# root_path = r"H:2"
root_path = r"E:DZXdownload2"
# frames:存放读取的每个文件对应的dataframe对象的列表
frames = list()
# 获取文件夹中的文件名列表
cont = os.listdir(root_path)
print(cont)
# 循环读取文件为dataframe对象，并添加到frames列表
for i in range(0,len(cont)):
root = root_path
# 拼接文件路径
filename = os.path.join(root,cont[i])
print(filename)
# 读取文件为dataframe，header：设置标题行为哪一行，第一行是0
df = pd.read_excel(filename,header = 1) # 读取 ,index_col = 0
# 将读取的dataframe追加到frames列表保存
frames.append(df)
# 将列表中的dataframe 合并成一个dataframe
df = pd.concat(frames)
print(df)
# 将合并后的dataframe保存到一个新文件
df.to_excel(r"E:DZXdownload2合并.xlsx",index = False)
以下是运行结果：
耗时近15分钟，xlwings那个也是差不多需要10多分钟，时间大都浪费在打开文件和保存文件上了，可能是数据有些多的缘故吧（不过才十几万行数据），真不敢想那些上百万，千万的数据是如何处理的，难道是数据存储格式的影响？
