python - pandas读取具有多个工作表和不同标题偏移量的Excel工作表

Question

我必须在 pandas 中读取包含多个工作表的 Excel 工作表。不幸的是，标题开始之前的空白行数似乎不同:

pd.read_excel('foo.xlsx', header=[2,3], sheet_name='first')
pd.read_excel('foo.xlsx', header=[1,2], sheet_name='second')

有没有一种优雅的方法来解决这个问题，并将 Excel 读入 pandas.Dataframe 中，并附加一个包含每个工作表名称的列？

即怎么可以

pd.read_excel(file_name, sheet_name=None)

传递不同的 header 参数或至少选择前 2 行(非空)作为 header ？

编辑

dynamically skip top blank rows of excel in python pandas似乎相关，但不是解决方案，因为只接受第一个 header 。

编辑2

具体文件结构的描述:

... (varying number of empty rows)
__irrelevant_row__
HEADER_1
HEADER_2

当前有 1 或 0 个空行。但正如评论中指出的那样，如果能够更加动态，那就太好了。

Answer 1

我确信这可以以更简洁的方式完成，但实现(我认为)你想要的方法是:

import openpyxl
import pandas as pd
book = openpyxl.load_workbook(PATH_TO_FILE)
for sh in book.sheetnames:
    a = pd.DataFrame(book[sh].values).dropna(how='all').reset_index(drop=True)
    a.columns = a.iloc[1]
    a = a.iloc[2:]
    a.iloc[0].index.name=sh
    a["sheet"] = a.iloc[0].index.name
    try:
        b = b.append(a)
    except NameError:
        b = a.copy()
b.iloc[0].index.name = ''
print(b)
#  header1 header2   sheet
#2       1       2   first
#3       3       4   first
#2       1       2  second
#3       3       4  second
#2       1       2     3rd
#3       3       4     3rd

不幸的是，我不知道它如何与您的实际数据交互，但我确实希望这对您的探索有所帮助。