如何用Python为不规则Excel生成的Pandas DataFrame添加化合物归属列

你可以利用Pandas的where()和ffill()方法实现这个需求，全程无需循环，既简洁又稳定，是Pythonic的处理方式：

1. 标记化合物标题行：用where()方法仅保留A列中属于化合物标题的行（比如匹配以"Compound "开头的值），将其他行设为NaN，存入新的"Compound"列。
2. 向前填充化合物名称：用ffill()（forward fill）将每个NaN值替换为上方最近的非空化合物名称，实现子条目自动匹配所属化合物。
3. （可选）清理标题行：如果不需要保留原始的化合物标题行，可过滤掉这些行，只保留子条目数据。

代码示例 #

假设你的DataFrame名为df，原始数据列是A：

import pandas as pd

# 1. 初始化Compound列，仅保留化合物标题行的值
df['Compound'] = df['A'].where(df['A'].str.startswith('Compound '))

# 2. 向前填充，为所有子条目匹配所属化合物
df['Compound'] = df['Compound'].ffill()

# 3. 可选：过滤掉原始的化合物标题行，只保留子条目
df = df[~df['A'].str.startswith('Compound ')].reset_index(drop=True)

补充说明 #

• 如果你的化合物标题不是以"Compound "开头，可调整str.startswith()的参数，或者用str.contains()匹配更通用的模式（比如df['A'].str.contains('Compound \w+')）。
• ffill()会自动处理不同化合物下条目数量不固定的情况，无论标题下有多少条子条目，都会正确继承上方的化合物名称。

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