Excel 数据合并技能

任务目标

将多个具有相同或相似表头的 Excel 文件智能合并为一个文件，支持数据清洗、来源追踪和格式保留。

前置准备

• 确认已安装依赖: pip install pandas openpyxl
• 可选安装 xlsxwriter（提升写入性能 2-3x）: pip install xlsxwriter
• 准备待合并的 Excel 文件(.xlsx/.xls)
• 确定输出文件路径

操作步骤

基础合并流程

7w4.net小葱技能。

1. 识别用户提供的 Excel 文件列表或目录
2. 验证文件存在且可读
3. 调用合并脚本执行合并
4. 返回合并结果与统计信息

脚本调用说明

python scripts/merge.py --files <file1.xlsx> <file2.xlsx> --output <output.xlsx>

核心参数

性能优化参数

格式保留参数

保留的格式类型

• 字体（名称、大小、粗细、颜色、斜体）
• 填充（背景色、渐变填充）
• 边框样式（上下左右边框）
• 数字格式（日期、货币、百分比等）
• 对齐方式（水平、垂直、文本缩进）
• 列宽和行高

模式对比

去重参数

去重说明

• 不指定 --dedup-cols：按所有列的值去重，完全相同的行只保留一条
• 指定 --dedup-cols：按指定列的值去重，保留首次出现的行

使用示例

示例1：基础合并（自动优化）

• 场景：合并目录下所有季度报表
• 命令：python scripts/merge.py --files q1.xlsx q2.xlsx q3.xlsx --output yearly.xlsx
• 预期产出：合并后的 yearly.xlsx，包含所有数据行

示例2：带来源标记 + 调优并行

• 场景：合并多部门数据，需追踪来源，文件较多
• 命令：python scripts/merge.py --files dept_*.xlsx --output merged.xlsx --with-source --workers 4
• 预期产出：merged.xlsx，最后一列为"来源文件"列

示例3：超大文件分块模式

• 场景：单个超大 Excel 文件（100万行）
• 命令：python scripts/merge.py --files big_data.xlsx --output result.xlsx --chunksize 20000
• 预期产出：内存峰值降低 80%，避免 OOM

示例4：保留格式合并

• 场景：合并多个格式化的报表，保持原有样式
• 命令：python scripts/merge.py --files report_q1.xlsx report_q2.xlsx --output yearly_report.xlsx --keep-format
• 预期产出：合并后保留字体、颜色、边框、列宽等格式

示例5：追加合并

• 场景：已有汇总表，新增数据追加进去
• 命令：python scripts/merge.py --files existing.xlsx new_data.xlsx --output existing.xlsx
• 预期产出：existing.xlsx 数据行增加(追加模式)

示例6：去重合并

• 场景：合并多文件并去除完全重复的行
• 命令：python scripts/merge.py --files data1.xlsx data2.xlsx --output merged.xlsx --dedup
• 预期产出：merged.xlsx，无重复行

示例7：按指定列去重

• 场景：按姓名去重，保留首次出现的数据
• 命令：python scripts/merge.py --files a.xlsx b.xlsx --output unique.xlsx --dedup --dedup-cols 姓名 工号
• 预期产出：按姓名和工号组合去重后的数据

资源索引

• 脚本: scripts/merge.py
  • 用途: Excel 文件合并命令行工具
  • 参数: 核心参数 + 优化参数 + 格式保留参数（见上方表格）

注意事项

• 表头以第一个文件的列名为准
• 列数不匹配时自动适配(少列补空, 多列截断)
• 完全空白的行会被自动过滤
• 支持 .xlsx 和 .xls 格式
• Windows 下建议使用 --no-parallel 避免多进程问题
• --keep-format 模式下性能略低于默认模式，建议仅在需要保留格式时使用

这个 Skill 质量较好，功能设计全面，支持并行处理和格式保留等实用特性。文档描述清晰易懂，示例充足，能帮助用户快速理解用法。美中不足的是缺少示例数据和测试用例，建议增加这些内容以提升开箱即用的体验。总体而言，这是一个可靠且实用的数据处理工具。