如何使用pandas有效读取Excel为DataFrame并填充合并单元格空值

Excel里的合并单元格本质是只在区域首行存储实际值，其余行单元格留空，pandas默认读入时把空值识别为NA是正常现象，用向前填充逻辑就能1:1还原Excel的视觉展示效果，操作步骤如下：

• 第一步：正常读入Excel文件，不需要修改默认读入参数

import pandas as pd
# 替换成你自己的文件路径，表头识别异常时可加header参数指定表头行位置
df = pd.read_excel("你的数据集文件.xlsx")

此时读入的DataFrame和你描述的结构一致，Columa_1仅第一行为Germany、其余行为NA，Column_2仅每个分类的第一行有值、对应子项行均为NA。

• 第二步：按从高到低的层级顺序（即从最左列到右列的顺序），对存在合并单元格的列做向前填充

注意：绝对不能打乱列的填充顺序，也不要直接对全表做填充，否则会把非合并列的独立数值、文本错误覆盖。

针对你给出的数据集，仅前两列是合并展示的层级列，第三到第五列每行都有独立值，不需要填充，对应代码如下：

# 按层级从高到低排列需要填充的列名
level_cols = ["Columa_1", "Column_2"]
df[level_cols] = df[level_cols].ffill()

ffill()是pandas内置的向前填充方法，逻辑是逐行检测，遇到NA值就取上一行同列的非NA值填充，和Excel合并单元格的取值逻辑完全一致。

填充完成后得到的DataFrame结构如下，和Excel视觉展示的内容完全匹配：

常见场景适配说明 #

• 如果数据集中间存在无意义空行，先执行df = df.dropna(how="all")删除全空行，再做填充即可，避免空行导致填充值错位。
• 如果层级列超过2列，只要把列名按从左到右的层级顺序加到level_cols列表里就行，逻辑完全通用。
• 如果部分合并单元格存在空值需要保留，不要直接整列填充，可以先按业务逻辑筛选出需要填充的行区间再单独做ffill。

内容的提问来源于stack exchange，提问作者Violet