Python单元格类型为NoneType但含值的转换及Excel批量处理脚本问题

嘿，卡了好几个小时真的太磨人了！我来帮你捋清楚这两个问题——先搞定你的核心脚本需求，再解决那个烦人的NoneType单元格问题。

既然你已经在用pandas处理TSV转XLSX，那直接用pandas完成后续的遍历、提列、合并会非常顺畅，给你一套可以直接用的代码框架：

import pandas as pd
import glob

# 配置你的参数
target_directory = r"替换成你的目标目录路径"
target_column = "年份"  # 你要提取的列标题
output_file = "合并后的年份列.xlsx"

# 收集所有文件中的目标列
collections = []
for file_path in glob.glob(f"{target_directory}/*.xlsx"):
    try:
        # 读取Excel文件
        df = pd.read_excel(file_path)
        # 检查目标列是否存在
        if target_column not in df.columns:
            print(f"⚠️ 跳过文件 {file_path}：未找到'{target_column}'列")
            continue
        # 给列名加上文件名后缀，避免合并后列名重复
        named_col = df[target_column].rename(f"{file_path.split('/')[-1]} - {target_column}")
        collections.append(named_col)
    except Exception as e:
        print(f"❌ 处理文件 {file_path} 出错：{str(e)}")

# 合并所有列到新工作簿
if collections:
    result = pd.concat(collections, axis=1)
    result.to_excel(output_file, index=False)
    print(f"✅ 合并完成，结果已保存到 {output_file}")
else:
    print("⚠️ 没有找到符合条件的列，未生成文件")

这种情况大概率是pandas读取时把**看似空的内容（比如空格、不可见字符、格式异常的文本）**识别成了NaN/None，但实际单元格里有内容。给你几个针对性的解决方案：

1. 读取时关闭自动空值识别 #

直接告诉pandas不要把空单元格或类似空的内容转成None，用na_filter=False参数：

df = pd.read_excel(file_path, na_filter=False)

这个方法能避免pandas误判，适合那些单元格里有空格但实际是有效内容的场景。

2. 清洗异常值 #

如果确实有部分单元格是None，但实际应该有值，可以先排查内容再处理：

# 先查看该列的所有唯一值，确认异常内容
print(df[target_column].unique())

# 方案1：去掉字符串前后空格，把空字符串替换成实际值
df[target_column] = df[target_column].str.strip().replace("", "未知年份")

# 方案2：如果是数字类型被误判，强制转换并填充缺失值
df[target_column] = pd.to_numeric(df[target_column], errors="coerce").fillna(0)

3. 检查TSV转XLSX的步骤 #

你之前转TSV到XLSX时，有没有可能因为分隔符不对导致内容错位？确保转TSV的代码是正确的：

# 正确读取TSV的方式（分隔符是制表符\t）
tsv_df = pd.read_csv("原文件.tsv", sep="\t")
tsv_df.to_excel("转换后的文件.xlsx", index=False)

如果TSV里有特殊格式（比如多换行、不规则分隔），可以加上engine='python'参数增强兼容性。

内容的提问来源于stack exchange，提问作者Guillaume