如何用Pandas读取含多行表头的XLS文件？遇ParserError报错

首先得说，你用pd.read_csv()读取XLS格式的文件本身就踩坑啦！csv和xls是完全不同的文件格式，Pandas的read_csv专门处理逗号分隔的文本文件，而XLS是Excel的二进制格式，得用pd.read_excel()才对，这很可能是触发报错的核心原因之一。

接下来针对你的复合表头（第3行是一级表头，第4行是二级表头），给你几个可行的方案：

方案1：正确使用read_excel读取复合表头 #

直接用read_excel，注意Pandas的行索引是从0开始的——你说的第3行对应索引2，第4行对应索引3，所以指定header=[2,3]就行；如果需要跳过前面的行或者中间的行（比如你提到的第7行，对应索引6），加上skiprows参数：

import pandas as pd

# 重点：用read_excel而非read_csv
df = pd.read_excel("你的文件路径或URL", skiprows=[0,1,6], header=[2,3])

这样加载后，第3、4行会组成多级表头，比如('DATE', '')或者('BENCHMARK NAME', '1ST (PERCENT)')这类格式的列名，后续你可以用df.columns查看，或者按需重命名。

方案2：兼容文件中的不规则行（如果仍报错） #

要是还是碰到Error tokenizing data，大概率是文件里有列数和表头不匹配的行（比如空行、合并单元格导致的格式混乱），可以试试这些参数兼容：

• 添加on_bad_lines='skip'：跳过列数异常的行（Pandas 1.4.0及以上版本支持）
• 指定usecols：明确要读取的列，避开空列干扰
• 选对引擎：XLSX文件用engine='openpyxl'，旧版XLS文件用engine='xlrd'（注意xlrd 2.0+不再支持XLSX）

示例代码：

df = pd.read_excel(
    "你的文件路径或URL",
    skiprows=[0,1,6],
    header=[2,3],
    on_bad_lines='skip',
    engine='openpyxl'  # XLSX用这个，XLS换xlrd
)

方案3：手动加载表头并整理数据 #

如果上面的方法都不好使，还可以手动控制表头生成，灵活性更高：

# 先跳过前6行，读取所有内容（包含第3、4行的表头）
temp_df = pd.read_excel("你的文件路径或URL", skiprows=6)
# 提取前两行作为多级表头
multi_header = pd.MultiIndex.from_arrays([temp_df.iloc[0], temp_df.iloc[1]])
# 从第3行开始作为有效数据
df = temp_df.iloc[2:].copy()
# 给数据设置多级表头
df.columns = multi_header
# 重置索引
df = df.reset_index(drop=True)

最后提个醒：一定要确认你的文件是XLS还是XLSX，对应的引擎参数要选对，不然也会出现莫名其妙的报错哦！

内容的提问来源于stack exchange，提问作者pyCthon