如何无需手动指定行列，从多表格Excel读取汇总表至Pandas DataFrame？

方法1：通过表头关键词自动定位 #

如果汇总表的表头包含特征关键词（比如“汇总”），可以先遍历工作表找到表头位置，再读取数据：

import pandas as pd

# 先读取全表数据，不预设表头
temp_data = pd.read_excel('你的文件路径.xlsx', sheet_name='目标工作表名', header=None)

# 定位包含“汇总”关键词的表头行（按需修改关键词）
header_index = temp_data[temp_data.apply(lambda row: row.str.contains('汇总', na=False).any(), axis=1)].index[0]

# 从表头行开始读取数据，并自动识别列名
summary_df = pd.read_excel('你的文件路径.xlsx', sheet_name='目标工作表名', header=header_index)

# 清理空行空列
summary_df = summary_df.dropna(how='all').dropna(axis=1, how='all')

方法2：利用openpyxl定位连续数据区域 #

Excel中的表格通常是连续非空单元格组成，可借助openpyxl遍历工作表，找到符合特征的汇总表区域：

import pandas as pd
from openpyxl import load_workbook

wb = load_workbook('你的文件路径.xlsx')
ws = wb['目标工作表名']

# 查找汇总表起始行（假设表头是前20行中首个多列非空的行）
start_row = None
for row in ws.iter_rows(min_row=1, max_row=20):
    non_empty = [cell.value for cell in row if cell.value is not None]
    if len(non_empty) >= 3:  # 按需调整列数阈值
        start_row = row[0].row
        break

# 查找汇总表结束行（从起始行向下直到连续空行）
end_row = start_row
for row in ws.iter_rows(min_row=start_row + 1):
    if all(cell.value is None for cell in row):
        break
    end_row = row[0].row

# 查找汇总表的列范围
start_col, end_col = None, None
for cell in ws[start_row]:
    if cell.value is not None and start_col is None:
        start_col = cell.column
    if cell.value is not None:
        end_col = cell.column

# 读取目标区域为DataFrame
summary_df = pd.read_excel(
    '你的文件路径.xlsx',
    sheet_name='目标工作表名',
    header=start_row - 1,  # Pandas的header参数为0索引
    nrows=end_row - start_row + 1,
    usecols=f'{chr(ord("A") + start_col - 1)}:{chr(ord("A") + end_col - 1)}'
)

方法3：按区域大小自动识别汇总表 #

如果汇总表是工作表中数据量最大的连续区域，可计算所有非空区域的大小，取最大的区域作为汇总表：

import pandas as pd
from openpyxl import load_workbook

def get_all_data_regions(worksheet):
    regions = []
    visited_cells = set()
    # 遍历所有单元格
    for row in range(1, worksheet.max_row + 1):
        for col in range(1, worksheet.max_column + 1):
            if (row, col) not in visited_cells and worksheet.cell(row, col).value is not None:
                # 扩展区域边界
                max_row, max_col = row, col
                # 向下扩展到空行
                while max_row + 1 <= worksheet.max_row and worksheet.cell(max_row + 1, col).value is not None:
                    max_row += 1
                # 向右扩展到空列
                while max_col + 1 <= worksheet.max_column and worksheet.cell(row, max_col + 1).value is not None:
                    max_col += 1
                # 标记该区域所有单元格为已访问
                for r in range(row, max_row + 1):
                    for c in range(col, max_col + 1):
                        visited_cells.add((r, c))
                regions.append((row, max_row, col, max_col))
    return regions

wb = load_workbook('你的文件路径.xlsx')
ws = wb['目标工作表名']
all_regions = get_all_data_regions(ws)

# 按区域面积排序，取最大的区域
all_regions.sort(key=lambda x: (x[1]-x[0]+1)*(x[3]-x[2]+1), reverse=True)
start_row, end_row, start_col, end_col = all_regions[0]

# 读取目标区域
summary_df = pd.read_excel(
    '你的文件路径.xlsx',
    sheet_name='目标工作表名',
    header=start_row - 1,
    nrows=end_row - start_row + 1,
    usecols=f'{chr(ord("A") + start_col - 1)}:{chr(ord("A") + end_col - 1)}'
)

内容的提问来源于stack exchange，提问作者junfan02