读取Excel时处理空工作表/A1含"Empty"工作表的AttributeError异常

这个问题的核心原因很明确：你在pd.read_excel里用了squeeze=True参数，它会在读取到的表格只有一行、一列或者单个单元格时，自动把DataFrame压缩成Series。当工作表为空，或者仅A1单元格是"Empty"时，返回的结果就是Series，而Series并没有iterrows()方法，所以触发了这个错误。

下面给你两种可行的解决思路，你可以根据自己的需求选择：

方法一：移除squeeze=True（推荐） #

直接去掉这个参数，让pd.read_excel始终返回DataFrame，这样就不用额外处理类型转换的问题，代码逻辑更清晰：

# 读取为DataFrame，不再自动压缩为Series
df = pd.read_excel(excel_file, header=None, sheet_name=sheet_name)

# 先处理特殊情况：空表 或 仅A1单元格是"Empty"
if df.empty or (df.shape == (1, 1) and df.iloc[0, 0] == "Empty"):
    # 根据你的业务需求处理，比如初始化空的data，或者跳过当前工作表
    data = pd.DataFrame()
else:
    # 执行你原来的逻辑，此时df是DataFrame，iterrows()可以正常使用
    for i, row in df.iterrows():
        if row.notnull().all():
            data = df.iloc[(i+1):].reset_index(drop=True)
            data.columns = pd.Series(list(df.iloc[i])).str.replace(' ', '_')
            break
    # 转换数值类型
    for c in data.columns:
        data[c] = pd.to_numeric(data[c], errors='ignore')

方法二：保留squeeze=True，增加类型判断 #

如果你因为某些原因必须保留squeeze=True，可以在代码里先判断返回结果的类型，针对Series做特殊处理：

df = pd.read_excel(excel_file, header=None, squeeze=True, sheet_name=sheet_name)

# 检查是否是Series类型
if isinstance(df, pd.Series):
    # 处理空表或仅A1为"Empty"的情况
    if df.empty or (len(df) == 1 and df.iloc[0] == "Empty"):
        data = pd.DataFrame()
    else:
        # 将Series转换为DataFrame，继续后续逻辑
        df = df.to_frame()
        for i, row in df.iterrows():
            if row.notnull().all():
                data = df.iloc[(i+1):].reset_index(drop=True)
                data.columns = pd.Series(list(df.iloc[i])).str.replace(' ', '_')
                break
        for c in data.columns:
            data[c] = pd.to_numeric(data[c], errors='ignore')
else:
    # 处理正常的DataFrame情况
    for i, row in df.iterrows():
        if row.notnull().all():
            data = df.iloc[(i+1):].reset_index(drop=True)
            data.columns = pd.Series(list(df.iloc[i])).str.replace(' ', '_')
            break
    for c in data.columns:
        data[c] = pd.to_numeric(data[c], errors='ignore')

补充说明 #

第一种方法更简洁，因为避免了类型转换的额外判断，推荐优先使用。另外，在处理特殊情况时，你可以根据实际业务需求调整逻辑，比如抛出自定义提示、跳过当前工作表，或者初始化符合要求的空数据结构。

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