求助：Pandas清洗含NaN非结构化销售数据，合并表头与数值行

核心思路 #

把前两行的Ship Mode和Segment作为多级列名，再通过堆叠操作将维度信息与对应价格合并为单行，替代低效的循环判断。

具体步骤（基于Pandas） #

假设你的原始数据已读入DataFramedf，按以下步骤处理：

1. 填充第一行的NaN值（整合你已完成的操作）

import pandas as pd

# 填充第一行的NaN，保证Ship Mode信息连续
df.iloc[0] = df.iloc[0].ffill()

2. 将前两行设置为多级列名
   把Ship Mode（第一行）和Segment（第二行）组合成列的层级信息，第三行及以下为实际价格数据：

# 从第一、二行生成多级列名
multi_cols = pd.MultiIndex.from_arrays([df.iloc[0], df.iloc[1]])
# 提取第三行及以后的价格数据，并设置新列名
price_data = df.iloc[2:]
price_data.columns = multi_cols

3. 堆叠数据，合并维度与价格
   通过stack操作将列维度转为行，自动过滤NaN价格：

# 堆叠多级列，得到每行对应一组Ship Mode、Segment、Price
result = price_data.stack([0, 1]).reset_index()
# 重命名列名
result.columns = ['原行号', 'Ship Mode', 'Segment', 'Price']
# 移除不需要的原行号列，保留有效数据
final_result = result.drop('原行号', axis=1).dropna(subset=['Price'])

效果验证 #

比如你的原始简化数据：

处理后得到预期的合并行：

为什么循环判断没达到预期？ #

循环逐行逐列处理时，容易遗漏跨列的维度关联（比如第一行ffill后的Ship Mode需要和第二行的Segment一一对应），而Pandas的多级索引+堆叠操作是原生支持这种结构化转换的，逻辑更严谨且效率更高。

内容的提问来源于stack exchange，提问作者DE clean