如何用Pandas逐单元格遍历电子表格并查找空白单元格？

你的代码存在两个关键问题：

• df.items()遍历的是DataFrame的列，每次返回的是(列名称, 列数据Series)的元组，不是单个单元格，无法直接判断单元格是否为空
• Excel中的空白单元格读入Pandas后，默认会被解析为pd.NA（或np.nan），而非空字符串""，因此你的判断条件无法匹配到目标单元格

以下是正确的实现方式：

步骤1：导入依赖并读取Excel文件 #

import pandas as pd

excel_file = "<file name>"
df = pd.read_excel(excel_file)

步骤2：定位所有空白单元格 #

场景1：仅识别Pandas默认解析的空值（Excel空白单元格） #

# 获取所有空白单元格的(行索引, 列名/列索引)坐标列表
blank_cells = list(df.isna().stack()[lambda x: x].index)

场景2：同时识别空字符串和Pandas空值 #

如果你的Excel中存在单元格内容为空字符串（而非真正的空白单元格），可以先将空字符串统一转为Pandas空值，再进行筛选：

# 将空字符串替换为Pandas空值
df = df.replace("", pd.NA)
# 筛选所有空白/空字符串单元格的坐标
blank_cells = list(df.isna().stack()[lambda x: x].index)

代码说明 #

• df.isna()：生成与原DataFrame尺寸一致的布尔矩阵，True表示对应位置为空值
• .stack()：将列索引转为二级索引，把二维结构转换为一维Series，索引为(行索引, 列索引/列名)，值为布尔判断结果
• [lambda x: x]：筛选出值为True的行，即空白单元格的位置
• list(...)：将筛选后的索引转换为列表，每个元素是一个元组，例如(0, '姓名')或(2, 3)

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