如何将报表格式的Excel数据导入pandas DataFrame

根据你提供的表格结构（带合并单元格、多级表头的律所数据），可以按照以下步骤处理，完全用Python完成转换：

1. 读取原始数据 #

假设你下载的是Excel文件，读取时要指定表头为前两行（对应截图里的大类别+子字段的复合表头）：

import pandas as pd

# 替换为你的文件路径
df_raw = pd.read_excel("nalp_data.xlsx", header=[0, 1])

2. 合并复合表头 #

把多级表头合并为单级，避免后续操作混淆：

# 用下划线连接大类别和子字段，生成清晰的列名
df_raw.columns = ['_'.join(col).strip() for col in df_raw.columns.values]

比如原表头Firm Information下的Name会变成FirmInformation_Name。

3. 填充跨行空值 #

因为合并单元格导致同一律所的标识字段（如名称）跨行出现空值，需要向下填充：

# 填充所有空值，确保同一律所的信息归属统一标识
df_filled = df_raw.ffill()

4. 用stack/unstack重塑数据 #

根据你的需求选择合适的重塑方式：

方式1：转成窄表（每条记录为一个字段的键值对） #

如果需要把宽表拆成"律所-字段-值"的结构：

# 以律所名称为索引，stack展开所有字段
df_stacked = df_filled.set_index('FirmInformation_Name').stack().reset_index()
df_stacked.columns = ['Firm_Name', 'Field', 'Value']

方式2：保留宽表结构，清理重复行 #

如果要得到每条律所的完整单行记录：

# 删除重复的律所行，保留第一条完整记录
df_final = df_filled.drop_duplicates(subset='FirmInformation_Name', keep='first')

5. 可选：后续数据清洗 #

• 删除完全为空的列/行：df_final = df_final.dropna(axis=1, how='all')
• 格式化字符串字段（如地址、电话）：可以用str.strip()、str.split()等方法拆分处理

内容的提问来源于stack exchange，提问作者As3adTintin