使用pycharm 合并一个指定文件夹下的多个excel 到一个excel的不同sheet页，且其中一个excel有近60万行数据

以下是使用Python和pandas库来合并一个指定文件夹下的多个excel到一个excel的不同sheet页的示例代码：

import os
import pandas as pd

# 设置文件夹路径和目标文件名
folder_path = "/path/to/folder"
output_file = "merged.xlsx"

# 获取文件夹中所有excel文件名
files = [f for f in os.listdir(folder_path) if f.endswith('.xlsx')]

# 创建一个ExcelWriter对象，用于写入合并后的数据
writer = pd.ExcelWriter(output_file, engine='xlsxwriter')

# 遍历所有excel文件并合并到不同的sheet页中
for file in files:
    # 读取excel文件中的数据
    data = pd.read_excel(os.path.join(folder_path, file))
    # 将数据写入到ExcelWriter对象中的不同sheet页中
    data.to_excel(writer, sheet_name=os.path.splitext(file)[0], index=False)

# 保存ExcelWriter对象中的数据到文件
writer.save()

上述代码中，我们首先设置了文件夹路径和目标文件名。然后，通过`os.listdir()`函数获取文件夹中所有以`.xlsx`结尾的文件名，并遍历这些文件。在遍历过程中，我们使用`pd.read_excel()`函数读取每个excel文件中的数据，并使用`pd.ExcelWriter()`函数创建一个ExcelWriter对象。然后，使用`to_excel()`函数将每个excel文件中的数据写入到ExcelWriter对象中的不同sheet页中，使用`os.path.splitext()`函数获取文件名作为sheet页名称。最后，我们使用`writer.save()`函数将ExcelWriter对象中的数据保存到目标文件中。

需要注意的是，如果其中一个excel文件有近60万行数据，可能会导致内存不足或者执行时间过长。可以考虑使用`pd.read_excel()`函数的`chunksize`参数来逐块读取数据，并使用`pd.concat()`函数将这些数据合并起来。示例代码如下：

import os
import pandas as pd

# 设置文件夹路径和目标文件名
folder_path = "/path/to/folder"
output_file = "merged.xlsx"

# 获取文件夹中所有excel文件名
files = [f for f in os.listdir(folder_path) if f.endswith('.xlsx')]

# 创建一个ExcelWriter对象，用于写入合并后的数据
writer = pd.ExcelWriter(output_file, engine='xlsxwriter')

# 遍历所有excel文件并合并到不同的sheet页中
for file in files:
    # 逐块读取excel文件中的数据
    for chunk in pd.read_excel(os.path.join(folder_path, file), chunksize=10000):
        # 将数据写入到ExcelWriter对象中的不同sheet页中
        chunk.to_excel(writer, sheet_name=os.path.splitext(file)[0], index=False)

# 保存ExcelWriter对象中的数据到文件
writer.save()

上述代码中，我们使用`pd.read_excel()`函数的`chunksize`参数将每个excel文件逐块读取。这里我们设置每次读取10000行数据，可以根据实际情况进行调整。然后，我们使用`pd.concat()`函数将这些数据逐块合并起来，并使用`to_excel()`函数将合并后的数据写入到ExcelWriter对象中的不同sheet页中。最后，我们使用`writer.save()`函数将ExcelWriter对象中的数据保存到目标文件中。