Pandas/Excel查找指定Key并按行列偏移获取对应值的实现方法

你当前的实现思路可行，df.eq(str_search).any(1)已经可以筛选出包含目标Key的行，核心缺失的环节是定位Key所在的精确列坐标，以及基于位置做偏移计算、边界校验的逻辑。

核心逻辑是先通过布尔矩阵拿到匹配Key的精确行列位置，再叠加偏移量按位置取值，同时补充异常、边界处理，避免找不到Key、偏移超范围时报错。
注意：实际读取Excel时必须加header=None参数，禁止pandas自动将首行识别为表头，否则会出现行列位置错位。

import pandas as pd
import numpy as np

def SearchValues(df, str_search, r_offset, c_offset):
    # 生成匹配目标Key的布尔矩阵
    match_mask = df.eq(str_search)
    # 提取所有匹配单元格的行列位置（基于0起始的物理位置，非索引标签）
    match_rows, match_cols = np.where(match_mask.values)

    # 未找到目标Key的处理
    if len(match_rows) == 0:
        return None
    # 存在多个重复Key时默认取第一个匹配项，可按需修改为返回所有匹配结果
    key_row_pos, key_col_pos = match_rows[0], match_cols[0]

    # 计算目标值的位置
    target_row = key_row_pos + r_offset
    target_col = key_col_pos + c_offset

    # 偏移量边界校验
    if not (0 <= target_row < df.shape[0] and 0 <= target_col < df.shape[1]):
        raise IndexError("偏移量超出表格有效范围")
    
    # 按物理位置取值，和偏移逻辑完全对齐
    return df.iat[target_row, target_col]

# 测试用例
data = {'Unnamed: 1':  ['', ''],
        'Unnamed: 2': ['', 'Key1'],
        'Unnamed: 3': ['', ''],
        'Unnamed: 4': ['', 'Value1'],
        'Unnamed: n': ['Key2', 'Value2'],
   }
df = pd.DataFrame(data)
print(SearchValues(df,'Key1',0,2)) # 输出 Value1
print(SearchValues(df,'Key2',1,0)) # 输出 Value2

# 实际读Excel的正确写法
# df = pd.read_excel("你的文件路径.xlsx", sheet_name="对应工作表", header=None)

如果不需要对表格做后续数据处理，可以不用转DataFrame，用openpyxl直接操作xlsx文件的单元格，完全对齐Excel原生行列位置，避免pandas读入时的格式转换问题，适合格式极不规整的零散键值对场景。

from openpyxl import load_workbook

def search_excel_key(file_path, sheet_name, str_search, r_offset, c_offset):
    # 加载工作簿，data_only=True表示读取单元格计算后的值而非公式
    wb = load_workbook(file_path, data_only=True)
    ws = wb[sheet_name]

    # 遍历单元格匹配目标Key
    for row in ws.iter_rows():
        for cell in row:
            if cell.value == str_search:
                # openpyxl行列从1开始计数，直接叠加偏移即可
                target_cell = ws.cell(
                    row=cell.row + r_offset,
                    column=cell.column + c_offset
                )
                return target_cell.value
    return None

# 调用示例
# print(search_excel_key("测试文件.xlsx", "Sheet1", "Key1", 0, 2))

该方案缺点是大文件遍历速度慢于pandas，仅支持xlsx/xlsm格式，处理xls格式需要替换为xlrd库。

• 后续需要对表格做批量数据清洗、计算，选完善后的pandas方案，注意读入时加header=None。
• 仅需要做零散键值对提取、表格格式无统一规则，选openpyxl直接读单元格的方案，位置匹配准确率更高。

内容的提问来源于stack exchange，提问作者Zio