使用Python pandas合并DataFrame多行并设置为列名的问题求助

实现思路 #

• 首先读取全量数据，不指定表头，避免前4行被误判为无效内容
• 对索引0-3的前4行数据按列处理，跳过NaN值后拼接为单个字符串作为该列的新列名
• 过滤掉前4行原始内容，将新列名应用到数据集，重置索引后得到清洗完成的数据

完整代码示例 #

import pandas as pd

# 读取原始数据，header=None表示不将第一行设为列名
df = pd.read_csv("你的数据文件路径.csv", header=None)

# 处理前4行，按列合并非NaN值，拼接规则可自行调整
# 如果需要用下划线/空格分隔拼接内容，把''改为'_'/' '即可
new_col_names = df.iloc[:4].apply(lambda col: ''.join(col.dropna().astype(str)), axis=0)

# 应用新列名
df.columns = new_col_names

# 截取第4行及之后的正式数据，重置索引
df = df.iloc[4:].reset_index(drop=True)

说明 #

之前用groupby达不到效果是因为groupby的核心逻辑是按分组维度对行做聚合，而你的需求是对指定行范围按列做非空值拼接，直接用apply按列处理即可，不需要分组操作。

如果你需要的是取前4行每列第一个非空值作为列名，不需要拼接，只需要把lambda函数替换为：lambda col: col.dropna().iloc[0] if not col.dropna().empty else ''

内容的提问来源于stack exchange，提问作者ABD