Step1：导入所需要的库
import pandas as pd
import glob
import os
pandas：用于处理表格数据
glob：用于查找符合特定规则的文件路径名（比如查找所有以xls结尾的文件）。
os：用于与操作系统交互，比如更改工作文件夹路径。
Step2：设置工作路径
path = r"D:\Users\Python"
os.chdir(path)
path = r"..."：定义数据存放路径。前面的字母 r 表示“原始字符串”（Raw String），这样Python就不会把路径里的反斜杠 \ 当作转义字符（比如 \n 是换行），这是Windows路径的标准写法。也可以去掉r，使用/。
os.chdir(path)：Change Directory的缩写。让Python将“当前工作目录”切换到指定的文件夹。之后的读取和保存文件操作都会默认在这个文件夹中进行。
Step3：寻找当前目录下所有以 .xls 或 .xlsx 结尾的 Excel 文件
file_pattern = '*.xls*'
file_list = glob.glob(file_pattern)
print(f"共找到 {len(file_list)} 个 Excel 文件，正在处理中...")
melted_dfs = []
file_pattern = '*.xls*'：定义搜索规则。* 是通配符，表示任何字符。*.xls* 意味着匹配所有以 .xls 结尾的文件（包括旧版的 .xls 和新版的 .xlsx）。
file_list = glob.glob(file_pattern)：执行搜索，将找到的所有文件名存入一个名为 file_list 的列表中。
print(...)：在屏幕上打印找到了多少个文件，方便您确认有没有漏掉文件。len(file_list) 计算文件的数量。
melted_dfs = []：创建一个空的列表，就像一个“篮子”，用来装后面处理好的每一张子表格。
Step4：遍历每一个Excel
for file in file_list:
try:
# 读取 Excel 文件的第一个工作表 (sheet_name=0 相当于 Sheet0)
# 如果您的数据在其他工作表，可以修改 sheet_name 的值
df_raw = pd.read_excel(file, sheet_name=0, header=None)
# 步骤A：转置数据，把年份从行名变成列名
df_t = df_raw.T
# 步骤B：将第一行设为列名 (指标, 地区, 频度, 单位, 2000, 2001...)
df_t.columns = df_t.iloc[0]
df_t = df_t[1:]
df_t.columns.name = None
# 步骤C：将年份列融化(melt)成长数据
id_vars = ['指标', '地区', '频度', '单位']
# 检查是否包含必需的列
if all(var in df_t.columns for var in id_vars):
df_melted = pd.melt(df_t, id_vars=id_vars, var_name='年份', value_name='数值')
melted_dfs.append(df_melted)
else:
print(f"跳过文件 {file}：未找到标识列 {id_vars}")
except Exception as e:
print(f"读取文件 {file} 时出错: {e}")
all_data = pd.concat(melted_dfs, ignore_index=True)
==代码详细解读==
df_t = df_raw.T # 转置数据，把年份从行名变成列名
df_t.columns = df_t.iloc[0]
把 df_t 的“第 1 行数据”，设置成“列名”
iloc：按位置取数据
0：第 1 行（Python 从 0 开始）
df_t = df_t[1:]
把第一行去掉，只保留第 2 行及以后的数据
: 是 切片操作
1: 表示 从第 1 行开始，到最后一行
df_t.columns.name = None
删除 DataFrame 列名的名字（name）
if all(var in df_t.columns for var in id_vars):
如果 id_vars 里的每一列，都能在 df_t 的列名中找到
id_vars：希望保留不变的“标识列”
df_t.columns：当前 DataFrame 的所有列名
all(...)：所有都满足才返回 True
df_melted = pd.melt(df_t, id_vars=id_vars, var_name='年份', value_name='数值')
pd.melt: 把“多列年份”压缩成两列：年份 + 数值，将宽表转换为长表
id_vars=id_vars：不变的列
var_name='年份'：原来列名（2000/2001/2002）变成“年份”这一列
value_name='数值'：原来单元格的值，统一放到“数值”列
print(df_melted)
指标 地区 频度 单位 年份 数值
0 GDP 北京 年 亿元 20003328
1 GDP 天津 年 亿元 20001608.4
2 GDP 河北 年 亿元 20004663.7
3 GDP 石家庄 年 万元 20009625186
4 GDP 唐山 年 万元 20008222024
5 GDP 北京 年 亿元 20013935.4
6 GDP 天津 年 亿元 20011778.3
7 GDP 河北 年 亿元 20015107.8
8 GDP 石家庄 年 万元 200110555803
9 GDP 唐山 年 万元 20019849163
10 GDP 北京 年 亿元 20024634.9
11 GDP 天津 年 亿元 20021952.3
12 GDP 河北 年 亿元 20025574.9
13 GDP 石家庄 年 万元 200211646487
14 GDP 唐山 年 万元 200210745437
15 GDP 北京 年 亿元 20035400.1
16 GDP 天津 年 亿元 20032288.7
17 GDP 河北 年 亿元 20036406.6
18 GDP 石家庄 年 万元 200313245121
19 GDP 唐山 年 万元 200311167992
20 GDP 北京 年 亿元 20046424.1
21 GDP 天津 年 亿元 20042663.3
22 GDP 河北 年 亿元 20047683
23 GDP 石家庄 年 万元 200415111521
24 GDP 唐山 年 万元 200414151453
25 GDP 北京 年 亿元 20057327.4
26 GDP 天津 年 亿元 20053203.6
27 GDP 河北 年 亿元 20058886.2
28 GDP 石家庄 年 万元 200516715015
29 GDP 唐山 年 万元 200517413204
30 GDP 北京 年 亿元 20068618.9
31 GDP 天津 年 亿元 20063592.5
32 GDP 河北 年 亿元 200610178.1
33 GDP 石家庄 年 万元 200619025186
34 GDP 唐山 年 万元 200619747534
melted_dfs.append(df_melted)
melted_dfs 是一个 list，用来存每个文件 melt 后的结果
else:
print(f"跳过文件 {file}：未找到标识列 {id_vars}")
如果这个 Excel / DataFrame 里缺少必要的标识列，就不处理它，并打印原因
all_data = pd.concat(melted_dfs, ignore_index=True)
把 melted_dfs 这个列表里的所有 DataFrame，按行“纵向拼接”成一个总的 DataFrame，命名为 all_data
Step5：数据清洗与格式转换
all_data['指标'] = all_data['指标'].astype(str).str.strip()
all_data['地区'] = all_data['地区'].astype(str).str.strip()
all_data['单位'] = all_data['单位'].astype(str).str.strip()
all_data['年份'] = pd.to_numeric(all_data['年份'], errors='coerce')
all_data['数值'] = pd.to_numeric(all_data['数值'], errors='coerce')
all_data = all_data.dropna(subset=['年份', '数值'])
all_data['指标_带单位'] = all_data['指标'] + '(' + all_data['单位'] + ')'
代码解读：
all_data['指标'] = all_data['指标'].astype(str).str.strip()
astype(str)：把“指标”这一列强制转成字符串类型
为什么要这么做？
例如：
GDP → "GDP"
NaN → "nan"
123 → "123"
.str.strip()：去掉字符串左右两边的空格
例如：
" GDP " → "GDP"
"北京 " → "北京"
" 年" → "年"
all_data['年份'] = pd.to_numeric(all_data['年份'], errors='coerce')
把“年份”这一列强制转换成数值型，凡是转不了的，转成 NaN
errors='coerce'：如果转换失败，不报错，直接设为 NaN
比如：
年份 年份
20002000
20012001
年 NaN
频度 NaN
all_data['指标_带单位'] = all_data['指标'] + '(' + all_data['单位'] + ')'
把“指标”和“单位”两列拼在一起，生成一个新列，比如
Step6：数据透视：转置为各变量分列
final_df = all_data.pivot_table(
index=['地区', '年份'],
columns='指标_带单位',
values='数值',
aggfunc='first',
dropna=False# 强制保留所有城市和年份的组合
).reset_index()
以“地区 + 年份”为唯一观测单位，把不同“指标(单位)”展开成多列，每个格子里放对应的数值
pivot_table 用来：重塑数据结构（reshape）
index=['地区', '年份']：这两列 决定“一行是什么”
columns='指标_带单位'：决定“展开成哪些列”
比如：
GDP(亿元)
人口(万人)
财政收入(亿元)
# 转换后
GDP(亿元) | 人口(万人) | 财政收入(亿元)
values='数值'：表格里真正要填的数值是哪一列
aggfunc='first'：如果同一个 地区-年份-指标 有多条记录，取第一条，比如：
加入aggfunc='first'后：
.reset_index()：pivot_table 后：地区、年份 会变成 行索引（index）
示例：
pivot前：
pivot后：
Step7：剔除省份数据
由于中经网在下载数据时包含了省级层面的数据（如下图，也可以在下载的时候不选择省份，但是这样还需要自己一个省份一个省份去查找），也可以直接下载，合并后再删除
provinces = [
'河北', '山西', '内蒙古', '辽宁', '吉林', '黑龙江',
'江苏', '浙江', '安徽', '福建', '江西', '山东', '河南',
'湖北', '湖南', '广东', '广西', '海南', '四川', '贵州',
'云南', '西藏', '陕西', '甘肃', '青海', '宁夏', '新疆'
]
final_df = final_df[~final_df['地区'].isin(provinces)] # 保留那些“地区”不在 provinces 列表里的行
final_df = final_df.sort_values(by=['地区', '年份']).reset_index(drop=True)
代码解读：
final_df = final_df.sort_values(by=['地区', '年份']).reset_index(drop=True)
先按“地区”排序，同一地区内再按“年份”从小到大排，然后把乱掉的行号重新变成 0,1,2,3……
sort_values(by=['地区', '年份'])：先按 地区 排序在同一个地区内部，再按 年份 排序
.reset_index(drop=True)：重新生成 index：0,1,2,3……，drop=True 表示：不要把旧 index 作为一列保留下来
dropna=False：可以时每个城市的年份都一样（即平衡面板数据）
Step8：保存结果
output_filename = 'result.csv'
final_df.to_csv(output_filename, index=False, encoding='utf-8-sig')
print(f"合并成功！文件已保存为: {output_filename}")
10个月宝宝每天需要喝多少奶粉？
