如何使用pandas转换结构不规范的Excel数据集？

• 第一步：导入依赖库

import pandas as pd

• 第二步：按规则读取原始Excel数据

适配有效数据从第3行B列开始的规则，同时适配未合并的多级表头结构，默认按两级表头处理，可根据实际表头层级调整header参数

# skiprows=2 跳过前2行无效内容，usecols参数过滤掉A列无效内容
df = pd.read_excel("你的本地文件路径.xlsx", skiprows=2, usecols=lambda col: not col.startswith("Unnamed: 0"), header=[0,1])

• 第三步：筛选仅保留Revenues without discount相关内容

# 筛选第一级表头符合要求的列
df = df.loc[:, df.columns.get_level_values(0) == "Revenues without discount"]
# 移除多余的表头层级，调整为单级表头
df.columns = df.columns.get_level_values(1)

• 第四步：删除所有标注为total的行和列

# 删除含total的列，case=False表示不区分大小写匹配
df = df.loc[:, ~df.columns.str.contains("total", case=False)]
# 删除第一列中含total的行，若分类列不是第一列可调整iloc的列索引
df = df[~df.iloc[:, 0].str.contains("total", case=False)]

• 第五步：整理输出目标格式文件

# 重置行索引
df = df.reset_index(drop=True)
# 导出为Excel文件
df.to_excel("处理后结果.xlsx", index=False)

如果实际读取后数据结构和预设有差异，可先执行print(df.head())查看前几行数据结构，再调整筛选逻辑即可。

内容的提问来源于stack exchange，提问作者nikita1221