如何用Python的Pandas读取行列转置的Excel文件？

问题根源 #

直接调用df.transpose()达不到预期效果，核心原因是转置后的Excel结构发生了本质变化：原文件的表头变成了新文件的第一列，原数据行变成了新文件的列，而Pandas默认会把第一行识别为表头，导致数据和表头错位。

正确处理步骤 #

1. 读取转置文件时保留原始结构 #

读取时不要让Pandas自动识别表头，把所有内容都当作纯数据读取：

import pandas as pd

# header=None 表示不将第一行作为表头，完全保留原始结构
df_transposed = pd.read_excel("转置后的文件.xlsx", header=None)

2. 重构还原原文件结构 #

转置后的第一列是原文件的表头，从第二行开始的内容是原文件的数据行，按以下逻辑重构：

# 提取第一列的值作为新的表头
new_headers = df_transposed.iloc[:, 0].tolist()
# 提取从第二行、第二列开始的区域作为原始数据
df_original = df_transposed.iloc[1:, 1:]
# 为重构后的DataFrame设置表头
df_original.columns = new_headers

# （可选）如果原文件有自定义索引，把转置文件第一行的内容设为索引
df_original.index = df_transposed.iloc[0, 1:].tolist()

3. 特殊格式处理（如果需要） #

如果转置后的文件存在合并单元格、空值等特殊格式，需额外处理：

• 合并单元格：读取时添加merge_cells=True参数，之后用ffill()填充合并后的空值
• 空值：根据业务需求用df.fillna(0)或df.dropna()处理

性能优化建议 #

因为转置后文件体积大幅缩小，读取时可以指定数据类型，避免Pandas自动推断带来的内存浪费和速度损耗：

# 比如统一指定字符串类型，避免日期、数值类型的误推断
df_transposed = pd.read_excel("转置后的文件.xlsx", header=None, dtype=str)

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