如何用Pandas删除Excel含#首行并设置首行为DataFrame列索引？

最优实现步骤 #

直接先读取所有行（不预设列索引），过滤掉以#开头的行，再将过滤后的首行设为列名，具体操作如下：

1. 读取原始Excel数据
   使用pd.read_excel()读取文件时，指定header=None（避免提前把某一行设为列名），同时保持默认的index_col=None（不加载索引列），这样所有内容都会被读成纯数据行：

   import pandas as pd
   
   df_raw = pd.read_excel("your_file.xlsx", header=None, index_col=None)
   

2. 过滤掉以#开头的行
   检查每行的第一个元素（假设#位于每行的起始位置，对应DataFrame的第一列），筛选出不以#开头的行。用str.startswith()配合na=False处理空值情况：

   df_filtered = df_raw[~df_raw[0].astype(str).str.startswith("#", na=False)]
   

3. 设置过滤后的首行为列索引
   把过滤后的第一行值作为DataFrame的列名，然后删除这一行，重置索引即可：

   # 提取首行作为列名
   df_filtered.columns = df_filtered.iloc[0]
   # 删除作为列名的那一行
   df_final = df_filtered[1:].reset_index(drop=True)
   

完整代码示例 #

import pandas as pd

# 读取文件，不预设列索引和行索引
df_raw = pd.read_excel("your_file.xlsx", header=None, index_col=None)

# 过滤开头带#的行
df_filtered = df_raw[~df_raw[0].astype(str).str.startswith("#", na=False)]

# 设置列名并清理数据
df_filtered.columns = df_filtered.iloc[0]
df_final = df_filtered[1:].reset_index(drop=True)

# 保存处理后的文件（可选）
df_final.to_excel("cleaned_file.xlsx", index=False)

注意事项 #

• 如果#可能出现在行内的其他位置而非绝对开头，可调整判断逻辑，比如检查字符串是否包含#且位于首位；
• 若Excel中有多个Sheet，需指定sheet_name参数读取对应Sheet；
• 处理大型文件时，可考虑分块读取，但上述方法在多数场景下效率足够。

内容的提问来源于stack exchange，提问作者Mario