python - 当第一列为空时，Pandas 读取具有多个标题的 Excel 工作表

Question

我有一个像这样的 Excel 工作表:

我想用 pandas read_excel 阅读它，我尝试了这个:

df = pd.read_excel("test.xlsx", header=[0,1])

但它引发了我这个错误:

ParserError: Passed header=[0,1] are too many rows for this multi_index of columns

有什么建议吗？

Answer 1

如果您不介意在阅读 Excel 后修改 DataFrame，您可以尝试以下两种方法:

>>> pd.read_excel("/tmp/sample.xlsx", usecols = "B:F", skiprows=[0])
  header1 Unnamed: 1 Unnamed: 2 header2 Unnamed: 4
0    col1       col2       col3    col4       col5
1       a          0          x       3          d
2       b          1          y       4          e
3       c          2          z       5          f

在上面，您必须修复 MultiIndex 的第一级，因为 header1 和 header2 是合并单元格

>>> pd.read_excel("/tmp/sample.xlsx", header=[0,1], usecols = "B:F", 
skiprows=[0])
        header1      header2
header1    col1 col2    col3 col4
a             0    x       3    d
b             1    y       4    e
c             2    z       5    f

在上面，通过跳过空行并仅解析包含数据的列(B:F)，它已经非常接近了。如果您注意到，列已经移动了......

注意不是一个干净的解决方案，只是想在帖子而不是评论中与您分享示例

-- 根据与 OP 的讨论进行编辑 --

Based on documentation for pandas read_excel , header[1,2] 正在为您的列创建 MultiIndex。看起来它根据 A 列中填充的内容确定 DataFrame 的标签。因为那里什么都没有......索引有一堆 Nan 像这样

>>> pd.read_excel("/tmp/sample.xlsx", header=[1,2])
    header1           header2
       col1 col2 col3    col4 col5
NaN       a    0    x       3    d
NaN       b    1    y       4    e
NaN       c    2    z       5    f

如果您同意清理列并且 xlsx 的第一列始终为空...您可以像下面这样删除它。希望这就是您正在寻找的内容。

>>> pd.read_excel("/tmp/sample.xlsx", header[1,2]).reset_index().drop(['index'], level=0, axis=1)
  header1           header2
     col1 col2 col3    col4 col5
0       a    0    x       3    d
1       b    1    y       4    e
2       c    2    z       5    f