使用Pandas处理数据时如何保留复杂Excel表头格式？

核心问题分析 #

1. 语法错误引发报错：你写的header=[1:3]是Python语法错误，Pandas的header参数需要传入行索引列表，而非切片表达式，这直接导致了ValueError。
2. Unnamed列名问题：U列后的表头显示为unnamed，是因为Excel表头存在多行合并/空值，Pandas无法自动补全空表头的层级关联。

解决方案（无需手动修改Excel格式） #

步骤1：修正表头读取参数

将错误的header=[1:3]改为对应表头行的索引列表（Pandas采用0-based索引）。假设你的表头实际占第2、3行（Excel界面显示的行号），则使用header=[1,2]。

步骤2：合并多级表头并补全空值

读取后通过处理多级表头，将空的上层表头用前一个非空值填充，再合并为单级列名，解决unnamed问题。

完整可运行代码 #

#!/usr/bin/env python 
import sys
import os
import pandas as pd

# 读取源文件路径
user_input = input("Enter the path of your source excel file (omit 'C:'): ")     

# 读取Excel，指定第2、3行为表头（0-based索引1和2）
df = pd.read_excel(user_input, sheet_name='PN Projection', header=[1,2])

# 处理多级表头：填充空的上层列名并合并为单级列名
cols_df = pd.DataFrame(df.columns.tolist())
# 向下填充第一列空值，用前一个非空值补全
cols_df[0] = cols_df[0].ffill()
# 合并两级表头，空的子表头直接保留父表头
df.columns = cols_df.apply(lambda row: f"{row[0]}_{row[1]}" if pd.notna(row[1]) else row[0], axis=1)

# 数据过滤逻辑
df = df[~(df['Item Status'] == 'EOL')]
df = df[~(df['Description'].str.contains("XCVR", na=False))]
df = df[(df['Description'].str.contains("XC", na=False) | df['Description'].str.contains("Spartan", na=False))]

print(df)

# 保存过滤后的数据（去掉默认索引）
df.to_excel('filtered_data.xlsx', sheet_name='filtered_data', index=False)

关键说明 #

• 如果你的表头实际占行数不同（比如3行），只需调整header参数为对应的索引列表，例如header=[0,1,2]，再修改表头合并逻辑即可。
• 合并后的列名如果不符合预期，可以根据实际表头结构调整apply里的拼接规则，比如用空格代替下划线。

内容的提问来源于stack exchange，提问作者Mark