这个问题之前有一个文章我写了这个方法，但是后来发现效率太低了，于是再次更新一下对应的技术方案，提速5000倍。一下代码主要实现的功能：我有5000多个excel文件，每个文件是一只股票从上市至今的日K交易数据，现在我想知道每天所有股票的交易数据快照，相当于要从5000多个excel文件中，把日期相同的数据提出来，形成一个以日期为标签的文件，里面有所有股票这一天的交易数据。之前的思想：依次从每个excel文件中找到某天的数据，复制到对应的日期文件中去，这里有一个缺点，就是打开和写入excel文件对应计算的开销是很大的，涉及到冷启动的问题。加快的思想：先把5000只股票的日K数据合并成一个excel（不是合并，建立excel帧，把所有数据合并到一个excel帧中），这个帧数据存储在内存当中，然后再从内存中找到“交易日期”相同的项目，形成一个excel表格。大大的加速。代码如下：import pandas as pdimport os# 指定包含Excel文件的文件夹路径folder_path = 'D:\\tmp_financial\DailyK\standard_dailyK'# 获取文件夹中所有Excel文件的文件名excel_files = [f for f in os.listdir(folder_path) if f.endswith('.xlsx')]# 创建一个空的DataFrame用于存储合并后的数据merged_df = pd.DataFrame()# 循环遍历所有Excel文件，合并所有文件到一个数据帧merged_df 中for file in excel_files:# 读取Excel文件print(file)df = pd.read_excel(os.path.join(folder_path, file))# 将当前文件的数据添加到merged_df中merged_df = pd.concat([merged_df, df])# 将合并后的数据保存到一个新的Excel文件中# 提取“交易时间”列transaction_times = merged_df['交易时间']# 创建一个空的DataFrame用于存储具有相同“交易时间”的行same_time_df = pd.DataFrame()file_extension = ".xlsx"des = 'D:\\tmp_financial\DailyK\camera'# 使用交易时间迭代所有行for time in transaction_times.unique():# 提取具有相同“交易时间”的行same_time_rows = merged_df[merged_df['交易时间'] == time]# 将这些行添加到新的DataFrame中print(time)same_time_df = same_time_df.append(same_time_rows)des_file = os.path.join(des, time + file_extension)same_time_df.to_excel(des_file, index=False)same_time_df = pd.DataFrame()#清空这个数据帧，等待下一个日期的数据进入