使用pandas read_excel时空白单元格被填充为0的异常问题咨询

核心原因 #

• Excel单元格格式优先级高于pandas的dtype设置：你用了dtype='string'，但pandas依赖的xlrd/openpyxl解析器会先读取Excel单元格的原始格式。第一个工作表里的空白/双空格单元格如果被设为数值格式，解析器会把空内容默认转成0，再强制转为字符串"0"；而第二个工作表的多空格单元格是文本格式，解析器会直接保留原始空格内容。
• na_filter=False不影响解析器的类型判断：这个参数只是关闭pandas自动识别NaN的逻辑，但管不了Excel解析器对单元格类型的判定。数值型空单元格还是会被解析成0。
• 空格数量触发解析阈值：部分解析器会把少于3个空格的文本单元格判定为“空白”，如果单元格是数值格式就转成0；多空格的文本单元格会被识别为有效内容，不会触发转换。

解决办法 #

• 用converters强制字符串转换：绕过解析器的类型判断，直接把所有列转成字符串：

  pd_df = pd.read_excel(
      file_path, 
      sheet_name=sheet, 
      header=10, 
      skipfooter=7, 
      converters={col: lambda x: str(x) for col in range(0, 20)}, # 列数根据实际表格调整
      na_filter=False
  )
  

• 读取后批量修正异常值：如果已经读到了"0"，批量替换回去：

  # 把所有"0"和双空格替换为空字符串
  pd_df = pd_df.replace({"0": "", "  ": ""}, regex=False)
  

• 统一Excel单元格格式：手动打开两个工作表，把所有空白单元格的格式设置为文本，再用原代码读取，能从根源避免这种差异。

内容的提问来源于stack exchange，提问作者Lilith-Elina