嘿，我来帮你搞定这个代码冗余的问题！看起来你已经意识到重复调用 pd.read_excel 太麻烦了，这确实是个很好的优化点——尤其是还要在多个工作簿里重复这套逻辑，封装和循环绝对是正确的方向。

先说说你之前尝试的代码哪里出问题了：

接下来给你两个层级的解决方案，从单个工作簿简化到多工作簿复用：

1. 单个工作簿的简化：用循环+字典存储数据

首先把需要读取的工作表名称整理成一个列表，然后用循环逐个读取，把结果存在字典里（比单独定义多个变量更易管理）：

import pandas as pd
# 定义文件路径和要读取的工作表列表（注意保持和实际sheet名一致，包括空格）
data_eu_2016 = 'C:/Users/julia/OneDrive/Documents/python assignment/2016 data -EU values.xlsx'
target_sheets = ['PM10 ', 'PM2.5', 'O3 ', 'NO2 ', 'BaP', 'SO2 ']
# 用字典存储每个工作表的数据，键是清理后的sheet名（去掉多余空格），值是DataFrame
eu_2016_data = {}
for sheet in target_sheets:
    cleaned_name = sheet.strip()  # 去掉sheet名前后的空格，避免后续调用麻烦
    eu_2016_data[cleaned_name] = pd.read_excel(
        data_eu_2016,
        sheet_name=sheet,
        engine='openpyxl',
        skiprows=6,
        usecols='A:L'
# 调用示例：访问PM2.5的数据
# print(eu_2016_data['PM2.5'])
这样你就不用重复写6遍几乎一样的pd.read_excel了，后续要加新的工作表，只需要在target_sheets列表里加名字就行。
2. 多工作簿复用：封装成函数
既然这套读取逻辑要在多个Excel文件里重复用，最好把它封装成一个函数，这样每次调用只需要传文件路径和工作表列表，彻底消除重复代码：
import pandas as pd
def load_multiple_sheets(file_path, sheet_list, skip_rows=6, use_cols='A:L'):
    读取指定Excel文件中的多个工作表，返回存储DataFrame的字典
        file_path: Excel文件的完整路径
        sheet_list: 需要读取的工作表名称列表
        skip_rows: 跳过的行数（默认6）
        use_cols: 需要读取的列范围（默认'A:L'）
        字典，键是清理后的工作表名称，值是对应的数据DataFrame
    sheet_data = {}
    for sheet in sheet_list:
        cleaned_name = sheet.strip()
        sheet_data[cleaned_name] = pd.read_excel(
            file_path,
            sheet_name=sheet,
            engine='openpyxl',
            skiprows=skip_rows,
            usecols=use_cols
    return sheet_data
# 调用示例1：读取2016 EU数据
data_eu_2016 = 'C:/Users/julia/OneDrive/Documents/python assignment/2016 data -EU values.xlsx'
eu_sheets = ['PM10 ', 'PM2.5', 'O3 ', 'NO2 ', 'BaP', 'SO2 ']
eu_2016_data = load_multiple_sheets(data_eu_2016, eu_sheets)
# 调用示例2：读取其他工作簿（比如2017 EU数据）
data_eu_2017 = '你的2017年数据文件路径.xlsx'