使用Pandas读取格式特殊XLSX文件：数据混乱、形状不符的问题

我之前也踩过类似的Excel解析坑，这种情况大概率是因为你的sample.xlsx有特殊格式（比如隐藏行/列、合并单元格、表头不在第一行），导致Pandas的自动解析逻辑出错了。给你几个实用的排查和解决方向：

1. 先摸清Excel的实际结构 #

先打开你的Named Insured工作表，确认几件事：

• 真正的表头是在哪一行？是不是前面有几行说明性的空行或注释行？
• 有没有隐藏的行/列？Pandas会把隐藏行也当成数据行读取
• 有没有大量合并单元格？合并单元格会让Pandas的列对齐逻辑混乱

2. 给parse方法加精准的解析参数 #

默认的parse方法会从第一行开始识别表头，自动读取所有行列，你可以手动指定参数来约束解析范围：

• 指定表头行：如果表头在第3行（索引从0开始是2），用header=2
• 指定读取列：用usecols指定有效列，比如只读取A到J列就写usecols="A:J"，或者传入列名列表usecols=["Name", "ID", "Policy"]
• 跳过无效行：用skiprows跳过前面的非数据行，比如跳过前5行写skiprows=5，或者指定具体行索引skiprows=[0,1,3]

示例代码：

import pandas as pd
file = pd.ExcelFile('sample.xlsx')
# 假设表头在第2行，跳过前1行，只读取A到J列
temp = file.parse('Named Insured', header=1, usecols="A:J", skiprows=[0])
print(temp.shape)

3. 用pd.read_excel直接读取，参数更灵活 #

有时候直接用read_excel比先创建ExcelFile更直观，还能跳过末尾的无效行：

df = pd.read_excel(
    'sample.xlsx',
    sheet_name='Named Insured',
    header=1,  # 指定表头行
    skiprows=[0],  # 跳过前1行
    skipfooter=5,  # 跳过末尾5行无效数据
    usecols="A:J"
)
print(df.shape)

4. 读取后清理无效数据 #

如果还是有多余的行/列，可以读取后手动清理：

# 删除全为空的行
temp = temp.dropna(axis=0, how='all')
# 删除全为空的列
temp = temp.dropna(axis=1, how='all')
# 重置索引
temp = temp.reset_index(drop=True)
print(temp.shape)

先试试这些方法，应该能解决数据混乱和shape不符的问题～

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