pd.read_excel使用openpyxl引擎导入xlsx时尾部追加大量NaN空行问题咨询

这个场景是openpyxl引擎适配pandas读Excel时的共性问题，并非个人代码或环境的偶发故障：

• 此前使用的xlrd引擎内置了独立的有效数据扫描逻辑，不会直接信任Excel文件自带的边界标记，只会读取实际存在单元格值的行、列范围。
• 切换为openpyxl引擎后，默认读取工作表自带的dimension属性标记的全表边界，很多xlsx文件在长期编辑过程中，哪怕清空了后续行的内容，只要曾经编辑过对应行的格式、拖动过选区，这个边界标记就会残留在远大于实际有效数据的范围，最终导致读入的DataFrame拼接了大量标记范围内的空值行。
• 该问题和你提到的“头部空行被移至末尾”的已知场景无关，属于文件边界标记未同步带来的引擎读取偏差，无底层适配逻辑的致命问题。

• 全局永久适配（推荐）：将修复openpyxl边界扫描逻辑的代码配置到Jupyter的全局启动脚本中，所有后续的pd.read_excel()调用自动生效，完全不需要在业务逻辑中追加清洗步骤。
  修复逻辑为：替换openpyxl默认的边界计算方法，不再直接信任文件自带的错误边界标记，改为逐行扫描实际有有效内容的单元格动态计算真实范围，对应可复用的代码：

  import pandas as pd
  from openpyxl.worksheet.worksheet import Worksheet
  
  def fixed_dimension_calculation(self, force=False):
      if force:
          self.reset_dimensions()
      max_valid_row, max_valid_col = 0, 0
      for row in self.iter_rows():
          for cell in row:
              # 匹配所有非空值、有实际格式的有效单元格边界
              if cell.value is not None:
                  if cell.row > max_valid_row:
                      max_valid_row = cell.row
                  if cell.column > max_valid_col:
                      max_valid_col = cell.column
      if max_valid_row == 0:
          return "A1:A1"
      return f"A1:{self.cell(row=max_valid_row, column=max_valid_col).coordinate}"
  
  # 全局替换默认边界计算方法
  Worksheet.calculate_dimension = fixed_dimension_calculation
  
  # 同时配置pandas默认使用openpyxl引擎读xlsx，无需逐次传参
  pd.set_option("io.excel.xlsx.reader", "openpyxl")
  

  上述代码存放在Jupyter配置目录下的startup文件夹内（路径参考：~/.ipython/profile_default/startup/），每次启动Jupyter环境时自动加载，所有历史代码不用做任何修改。
• 低侵入临时适配：如果不想修改openpyxl的底层方法，可以在全局配置中给pd.read_excel追加openpyxl的流式读取参数，绕开错误的边界标记：

  pd.set_option("io.excel.xlsx.engine_kwargs", {"read_only": True, "data_only": True})
  

  流式读取模式下openpyxl会逐行扫描内容，不会加载文件标记的冗余大范围，也能实现不读入额外空行的效果。

补充说明：该适配不存在漏读有效数据的风险，修复后的逻辑只会跳过完全无值、无实际内容的空行，所有带有效数据的行都会被正常识别。

内容的提问来源于stack exchange，提问作者OldKingCole