pandas 读取 Excel 合并单元格的表头

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

在 pandas 中，读取包含合并单元格的 Excel 表头需要一些额外的处理步骤。根据实际情况，你可能需要调整代码以适应不同的表格结构和合并单元格的处理方式。

源数据和需求

我们的 Excel 如下（下载Excel附件）：

Excel 表头

它的表头占两行，其中最后两列有两层，我们在读取数据时需要将它们变成销售人数和销售金额。

思路

使用 pd.read_excel() 的 header 参数指定两行为表头，它是一个多层索引，每个列为一个元组，读取后会发现被合并的单元格会被 Unnamed:xxx 字样占位。

然后用 map 方法来一一处理通过判断来去掉包含 Unnamed 字符串，再将剩下的合并起来。

代码

在给定的代码中，使用 pd.read_excel() 函数读取名为 "header-merged.xlsx" 的 Excel 文件，并将表头读取为多级索引。

import pandas as pd

df = pd.read_excel('header-merged.xlsx', header=[0, 1])
df
'''
                    时间                播放量  销售     
    Unnamed: 0_level_1 Unnamed: 1_level_1  人数   金额
0  2023-06-03 10:00:00               3131  23  645
1  2023-06-03 11:00:00               5234  14  634
2  2023-06-03 12:00:00              12351  45  523
'''

df.columns
'''
MultiIndex([( '时间', 'Unnamed: 0_level_1'),
            ('播放量', 'Unnamed: 1_level_1'),
            ( '销售',                 '人数'),
            ( '销售',                 '金额')],
           )
'''

通过将 header 参数设置为 [0, 1]，指示 read_excel() 函数将文件的第一行和第二行作为表头，并将它们作为多级索引。这样做可以正确地处理包含合并单元格的表头。

请确保将 "header-merged.xlsx" 替换为你实际的文件路径和文件名。读取后的数据将存储在变量 df 中。你可以使用 df.head() 或 print(df) 来查看读取的数据及其表头。

cols = df.columns.map(lambda x: ''.join('' if 'Unnamed' in i else i for i in x))
cols
# Index(['时间', '播放量', '销售人数', '销售金额'], dtype='object')

以上代码的逻辑如下：

df.columns 返回 DataFrame 的列索引对象，表示所有的列标签。
使用 map() 方法遍历每个列标签，并应用 lambda 函数进行处理。
在 lambda 函数中，通过遍历每个标签的字符来处理列标签：
- 如果标签中包含字符串 "Unnamed"，则将其替换为空字符串，这是为了去除不必要的 "Unnamed" 标记。
- 否则，保留原始标签。
使用 ''.join() 将处理后的字符列表组合成一个字符串。

最终，cols 变量为处理后的索引对象。

接下来，对列索引重新赋值：

df.columns = cols
df
'''
                时间    播放量  销售人数  销售金额
0  2023-06-03 10:00:00   3131    23   645
1  2023-06-03 11:00:00   5234    14   634
2  2023-06-03 12:00:00  12351    45   523
'''

这样就变成一行表头（索引）了，我们就实现了需求。

（完）

pandas 读取 Excel 合并单元格的表头

源数据和需求

思路

代码

相关内容