Python代码将多个个Excel表格按照地区名称对企业名称进行分类，并且新增一列是Excel名中的时间，并且按照各个地区名称生成新Excel

以下是一个可以实现您需求的 Python 代码：

import pandas as pd
import os

# 文件夹路径
folder_path = 'excel_files'

# 读取文件夹内的所有 Excel 表格数据
excel_files = [os.path.join(folder_path, f) for f in os.listdir(folder_path) if f.endswith('.xlsx')]

dfs = []
for file in excel_files:
    # 读取 Excel 表格数据
    df = pd.read_excel(file)
    # 获取 Excel 文件名中的时间
    time_str = os.path.basename(file).split('.')[0][-6:]
    # 新增一列 Excel 文件名中的时间
    df['时间'] = pd.to_datetime(time_str, format='%y%m%d')
    dfs.append(df)

# 合并所有 Excel 表格数据
df = pd.concat(dfs)

# 按照地区名称分组
grouped = df.groupby('地区名称')

# 遍历每个地区分组，并保存为新的 Excel 表格
for name, group in grouped:
    # 创建新的 Excel 表格文件名
    file_name = name + '.xlsx'
    # 将分组后的数据保存为新的 Excel 表格
    group.to_excel(file_name, index=False)

在这个示例中，我们首先读取了一个文件夹内的所有 Excel 表格数据，并获取了 Excel 文件名中的时间。然后，我们使用 `pd.to_datetime` 函数将时间字符串转换为 Pandas 的 Datetime 对象，并新增了一列 `时间`。接着，我们使用 `pd.concat` 函数将它们合并成一个 Pandas 的 DataFrame 对象。最后，我们使用 `groupby` 函数按照地区名称对数据进行分组，并将分组后的数据保存为新的 Excel 表格。

请注意，这只是一个简单的示例代码，您需要根据实际情况进行修改和调整。另外，您需要安装 Pandas 库才能运行这个代码。