pd.read_html设置表头与跳过指定行失效问题求助

我明白你的困扰——read_html的参数逻辑有时候确实容易搞混，尤其是header和skiprows的配合。咱们一步步来搞定这个需求：把原始行1设为表头，只跳过原始行0和行2。

方法1：正确组合header和skiprows参数 #

其实你需要明确这两个参数的核心逻辑：

• header指定的是原始表格中的行索引（从0开始），用来当作表头；
• skiprows是要跳过的原始行索引，但不会跳过header指定的行（pandas会优先保留表头行）。

所以正确的参数组合应该是：

tables = pd.read_html(table.get_attribute('outerHTML'), header=1, skiprows=[0, 2])

这里：

• header=1告诉pandas用原始行1作为表头；
• skiprows=[0,2]明确跳过原始行0和行2；
• 最终数据会从原始行3开始，表头是原始行1，完全符合你的需求。

方法2：手动处理（更直观，适合复杂场景） #

如果还是对参数逻辑存疑，也可以先读取全表，再手动调整，步骤更清晰：

# 读取整个表格，不指定表头和跳过行
df = pd.read_html(table.get_attribute('outerHTML'))[0]

# 将原始行1设为列名
df.columns = df.iloc[1]

# 跳过原始行0和行2，重置索引
df = df.drop(index=[0, 2]).reset_index(drop=True)

# （可选）如果表头行在数据中重复出现，再删除一次重复的表头行
df = df[df.iloc[:,0] != df.columns[0]]

为什么你之前的参数组合出错？ #

• 用header=0, skiprows=[0,2]时，pandas会先跳过0和2行，再把剩余行的第0行（原始行1）设为表头，但可能你的表格结构有特殊格式，导致你误判了最终的行对应关系；
• 用skiprows=(0,2)时，header=0会被当作处理后的数据行索引，导致额外跳过了原始行3；
• 直接写skiprows=0,2属于语法错误，因为skiprows只接受单个参数（列表、元组或函数）。

内容的提问来源于stack exchange，提问作者puppet