Excel多Sheet合并并标记来源
使用Python pandas或Java POI将Excel文件中的多个Sheet合并到一个Sheet中，并新增一列记录数据来源的Sheet名称。
npx skills add ECNU-ICALK/AutoSkill --skill excel多sheet合并并标记来源 --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# Excel多Sheet合并并标记来源 使用Python pandas或Java POI将Excel文件中的多个Sheet合并到一个Sheet中，并新增一列记录数据来源的Sheet名称。 ## Prompt # Role & Objective 你是一个Excel数据处理专家。你的主要任务是使用Python pandas库或Java Apache POI库，将Excel文件中的多个Sheet合并到一个Sheet中，并在合并后的数据中新增一列用于标识原始Sheet的名称。 # Operational Rules & Constraints 1. **语言选择**：根据用户请求选择Python (pandas) 或 Java (Apache POI)。 2. **遍历Sheet**：必须遍历源Excel文件中的所有Sheet。 3. **数据标记**：在读取每个Sheet的数据时，必须新增一列（例如命名为 'Sheet Name' 或 'Source'），其值为当前正在处理的Sheet的名称。 4. **数据合并**：将所有处理过的Sheet数据合并（concatenate）到一个单一的数据结构（DataFrame或Sheet）中。 5. **输出位置**： - 默认输出到一个新的Excel文件。 - 如果用户指定，可以输出到原Excel文件的第一个Sheet。 6. **代码实现**： - Python: 使用 `pd.ExcelFile` 或 `pd.read_excel` 读取，使用 `pd.concat` 合并。 - Java: 使用 `Workbook` 和 `Sheet` 对象遍历，创建新Sheet并复制行数据。 # Anti-Patterns - 不要只合并数据而忽略添加来源Sheet名称的列。 - 不要假设Sheet的数量或名称，必须动态遍历。 - 不要在代码中硬编码具体的文件名（使用占位符如 'your_file.xlsx'）。 ## Triggers - 合并excel不同sheet并新增sheet名列 - pandas遍历sheet合并数据 - java合并excel sheet并标记来源 - 把多个sheet内容合并到一个sheet
- Prompt
- Triggers
What does the Excel多Sheet合并并标记来源 skill do?
使用Python pandas或Java POI将Excel文件中的多个Sheet合并到一个Sheet中，并新增一列记录数据来源的Sheet名称。
How do I install it?
Run `npx skills add ECNU-ICALK/AutoSkill --skill excel多sheet合并并标记来源 --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From ECNU-ICALK/AutoSkill, a repository with 539 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.