如何用Python/Pandas区分Excel合并单元格与空白单元格？

当用Pandas读取带合并单元格的Excel时，合并区域仅首单元格保留原值，其余均为NaN。但这些NaN分为两类：

• 合并产生的空白：属于合并区域内的非首单元格（比如你示例中的1a、1b对应单元格）
• 原生空白单元格：原本就无内容的单元格（比如示例中的1i）

要实现仅给原生空白单元格填充X，可按以下步骤操作：

步骤1：安装依赖 #

确保安装处理Excel的必要库：

pip install pandas openpyxl

步骤2：读取Excel并获取合并单元格信息 #

用openpyxl加载工作簿提取合并单元格范围，再结合Pandas的DataFrame处理：

import pandas as pd
from openpyxl import load_workbook

# 替换为你的文件路径
file_path = "your_excel_file.xlsx"

# 读取Excel数据到DataFrame
df = pd.read_excel(file_path, engine="openpyxl")

# 加载工作簿，获取合并单元格范围
wb = load_workbook(file_path)
ws = wb.active
merged_ranges = []

# 遍历所有合并单元格，转换为Pandas可用的0起始索引范围
for merged_cell in ws.merged_cells.ranges:
    start_row = merged_cell.min_row - 1
    end_row = merged_cell.max_row - 1
    start_col = merged_cell.min_col - 1
    end_col = merged_cell.max_col - 1
    merged_ranges.append((start_row, end_row, start_col, end_col))

步骤3：标记合并产生的空白单元格 #

创建布尔矩阵，标记哪些NaN是合并导致的：

# 初始化布尔矩阵，默认所有单元格都不是合并空白
is_merged_blank = pd.DataFrame(False, index=df.index, columns=df.columns)

# 遍历合并区域，标记非首单元格为合并空白
for start_row, end_row, start_col, end_col in merged_ranges:
    for row in range(start_row, end_row + 1):
        for col in range(start_col, end_col + 1):
            # 合并区域内，除第一个单元格外，其余都是合并产生的空白
            if row != start_row or col != start_col:
                is_merged_blank.iloc[row, col] = True

步骤4：填充原生空白单元格 #

筛选出是NaN且不属于合并空白的单元格，填充X：

# 仅给原生空白单元格填充X
df = df.mask(df.isna() & ~is_merged_blank, "X")

# 保存处理后的文件
df.to_excel("filled_result.xlsx", index=False, engine="openpyxl")

批量处理多个表格 #

如果需要处理多个同类文件，可将逻辑封装为函数循环处理：

def process_excel(file_path, output_path):
    df = pd.read_excel(file_path, engine="openpyxl")
    wb = load_workbook(file_path)
    ws = wb.active
    merged_ranges = []
    for merged_cell in ws.merged_cells.ranges:
        start_row = merged_cell.min_row - 1
        end_row = merged_cell.max_row - 1
        start_col = merged_cell.min_col - 1
        end_col = merged_cell.max_col - 1
        merged_ranges.append((start_row, end_row, start_col, end_col))
    
    is_merged_blank = pd.DataFrame(False, index=df.index, columns=df.columns)
    for start_row, end_row, start_col, end_col in merged_ranges:
        for row in range(start_row, end_row + 1):
            for col in range(start_col, end_col + 1):
                if row != start_row or col != start_col:
                    is_merged_blank.iloc[row, col] = True
    
    df = df.mask(df.isna() & ~is_merged_blank, "X")
    df.to_excel(output_path, index=False, engine="openpyxl")

# 示例：处理多个文件
file_list = ["file1.xlsx", "file2.xlsx"]
for idx, file in enumerate(file_list):
    process_excel(file, f"result_{idx+1}.xlsx")

内容的提问来源于stack exchange，提问作者João Victor Fernandes