如何将含FactSet XML数据的XLSX文件转为Pandas DataFrame？

问题分析 #

你遇到的空DataFrame报错，是因为目标工作表里只有FactSet的XML数据提示文本，没有实际结构化数据；即使重新保存，文件可能仍残留FactSet的元数据干扰读取。以下是几种可行的解决方法：

方法1：确认并读取实际数据工作表 #

FactSet生成的文件通常会把XML数据和实际数据放在不同工作表里，先排查所有工作表：

import pandas as pd

# 列出文件中所有工作表名称
xls = pd.ExcelFile('Basecopy.xlsx')
print(xls.sheet_names)

# 选择输出结果中对应实际数据的工作表（比如名称为"Data"的表）
df = pd.read_excel('Basecopy.xlsx', sheet_name="Data")
print(df)

方法2：跳过提示行读取有效数据 #

如果实际数据和提示文本在同一个工作表，只是提示行在顶部，用skiprows跳过无关行：

import pandas as pd

# 跳过第一行提示文本，从第二行开始读取
df = pd.read_excel('Basecopy.xlsx', sheet_name=0, skiprows=1)
# 若提示占多行，可调整skiprows参数（比如skiprows=3跳过前3行）

# 保存时去掉索引避免生成Unnamed列
df.to_excel('baseactivos2.xlsx', index=False)
df2 = pd.read_excel('baseactivos2.xlsx')
print(df2)

方法3：精准读取单元格范围 #

如果数据集中有大量空行或不规则格式，用openpyxl直接指定读取区域：

from openpyxl import load_workbook
import pandas as pd

wb = load_workbook('Basecopy.xlsx')
ws = wb.active

# 从第2行开始读取所有非空行（根据实际情况调整min_row）
data_rows = []
for row in ws.iter_rows(min_row=2, values_only=True):
    # 跳过全空的行
    if any(cell is not None and cell != '' for cell in row):
        data_rows.append(row)

# 转为DataFrame，假设第1行（原A1）是列名
df = pd.DataFrame(data_rows[1:], columns=data_rows[0])
print(df)

方法4：手动导出为CSV再读取 #

如果代码方法仍有问题，手动处理更直接：

1. 打开原XLSX文件，选中包含实际数据的单元格区域
2. 复制到新的空白工作表，删除所有提示文本和空行
3. 将新工作表另存为CSV格式
4. 用Pandas读取CSV：

df = pd.read_csv('cleaned_data.csv')
print(df)

内容的提问来源于stack exchange，提问作者SaiVermilion