如何根据指定单元格值从特定位置开始读取Excel为DataFrame

实现思路 #

• 先无预过滤读取整张工作表为DataFrame，避免提前截断数据导致定位不到start
• 全局匹配值为start的单元格，获取其对应的列索引
• 直接提取该列从顶部开始的所有行数据，得到目标结果

实现代码 #

单工作表处理 #

import pandas as pd

# 读取工作表，header=None避免第一行被识别为表头丢失
df = pd.read_excel("你的文件路径.xlsx", sheet_name="目标工作表名称", header=None)

# 全局匹配值为start的单元格
match_mask = df == "start"
# 取第一个匹配到的start的行、列索引（存在多个start时可按需调整取值逻辑）
_, target_col = match_mask[match_mask].stack().index.tolist()[0]

# 提取目标列所有行数据，即为你需要的结果
target_series = df.iloc[:, target_col]
# 如需转为DataFrame格式可使用下方代码
# target_df = target_series.reset_index(drop=True).to_frame()

用你给出的示例数据测试时，代码会定位到start位于索引为2的列，提取结果为[111, 'start', 333, 444]，完全符合需求。

多工作表批量处理 #

如果需要处理同个工作簿下的所有工作表，可使用批量遍历逻辑：

import pandas as pd

excel = pd.ExcelFile("你的文件路径.xlsx")
sheet_result = {}

for sheet_name in excel.sheet_names:
    df = excel.parse(sheet_name, header=None)
    match_mask = df == "start"
    # 校验当前工作表是否存在start值
    if match_mask.any(axis=None):
        _, target_col = match_mask[match_mask].stack().index.tolist()[0]
        sheet_result[sheet_name] = df.iloc[:, target_col].reset_index(drop=True)
    else:
        sheet_result[sheet_name] = "当前工作表未找到目标start值"

内容的提问来源于stack exchange，提问作者Kimchi