如何用Pandas处理Excel中含合并单元格的物种表头？

问题分析 #

你当前代码的问题在于：

• 第二次读取时指定header=1，导致pandas将重复的子列名（如多个物种下的Point_1）自动添加.1、.2后缀
• 循环中的列切片范围错误，导致物种名与子列名的对应关系混乱，最终生成了Specie_2_Specie_1_Point_1.1这类嵌套错误的列名

正确实现方案 #

方案1：利用多级表头自动拼接列名 #

直接读取Excel的前两行作为多级表头，再将两级表头拼接成目标格式：

import pandas as pd

# 读取带合并单元格的表头，header=[0,1]表示用前两行构建多级表头
df = pd.read_excel("/content/drive/MyDrive/Pollens.xlsx", sheet_name="Jun", header=[0, 1])

# 拼接多级表头为目标列名
new_columns = []
for col_tuple in df.columns:
    # 处理前两列（Data、Hour）
    if col_tuple[0] in ("Data", "Hour"):
        new_columns.append(col_tuple[0])
    else:
        # 处理合并单元格的空表头，继承上一个物种名
        specie = col_tuple[0] if pd.notna(col_tuple[0]) else new_columns[-1].split("_")[0]
        sub_col = col_tuple[1]
        new_columns.append(f"{specie}_{sub_col}")

# 重命名列并查看结果
df.columns = new_columns
print(df.columns)
df.head()

方案2：手动构建列名 #

如果不想用多级表头，可以先读取表头行，手动匹配物种名和子列名：

import pandas as pd

# 分别读取两行表头
header_top = pd.read_excel("/content/drive/MyDrive/Pollens.xlsx", sheet_name="Jun", nrows=0).columns
header_bottom = pd.read_excel("/content/drive/MyDrive/Pollens.xlsx", sheet_name="Jun", header=0, nrows=0).columns

# 处理合并单元格，补全每个子列对应的物种名
specie_list = []
current_specie = None
for col in header_top[2:]:
    if pd.notna(col):
        current_specie = col
    specie_list.append(current_specie)

# 构建完整列名
new_columns = list(header_top[:2])  # 保留Data、Hour
for sp, sub_col in zip(specie_list, header_bottom[2:]):
    new_columns.append(f"{sp}_{sub_col}")

# 读取数据并设置新列名
df = pd.read_excel("/content/drive/MyDrive/Pollens.xlsx", sheet_name="Jun", header=2)
df.columns = new_columns
print(df.columns)
df.head()

效果说明 #

两种方案都能生成Specie_1_Point_1、Specie_1_Média、Specie_2_Point_1这类符合需求的列名，不会出现嵌套重复的问题。

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