Jupyter读取Excel时如何筛选指定ANGLE列、处理缺列并简化代码？

核心思路是先获取Excel实际存在的列名，和目标列做匹配后再读取数据，既避免缺列报错，也比硬循环、异常捕获的方案更高效简洁。

步骤1：优化目标列生成逻辑 #

抛弃冗余的for循环拼接写法，用格式化补零一行生成所有符合命名规则的目标列：

import pandas as pd

# 自动生成01_ANGLE ~ 100_ANGLE的列名列表，自动处理个位数前导0
target_columns = [f"{idx:02d}_ANGLE" for idx in range(1, 101)]

步骤2：匹配实际存在的有效列 #

先仅读取Excel表头获取真实列名（不加载全量数据，性能开销可以忽略），再筛选出实际存在的目标列：

# 仅读取表头行，不加载数据内容，速度极快
actual_columns = pd.read_excel("你的文件路径.xlsx", nrows=0).columns.tolist()

# 取交集，严格保留01~100的列顺序，自动过滤不存在的列
valid_columns = [col for col in target_columns if col in actual_columns]

注意：不要用set(target_columns) & set(actual_columns)做交集，集合无序会打乱列的读取顺序。

步骤3：读取有效列数据 #

将筛选后的有效列传入usecols参数即可正常读取，不会因为缺列报错：

df = pd.read_excel("你的文件路径.xlsx", usecols=valid_columns)

如果需要做数据质量校验，可以加几行代码记录缺失的列，方便后续排查：

missing_columns = [col for col in target_columns if col not in actual_columns]
if missing_columns:
    print(f"当前文件缺失以下ANGLE列：{missing_columns}")

如果需要批量处理多份Excel，把上述逻辑封装成通用函数即可，传入文件路径直接返回处理好的DataFrame。

内容的提问来源于stack exchange，提问作者Youngrak Choi