如何读取Excel表单并提取指定字段生成Pandas DataFrame？

嘿，我来帮你搞定这个特殊Excel结构的读取问题！针对这种非标准表头、带合并单元格的Excel文件，我们可以通过分步处理提取需要的内容，生成符合要求的DataFrame。下面是具体的操作步骤和代码示例：

步骤1：读取原始数据，确认结构 #

首先我们先把整个Excel文件读进来，不预设表头，这样能清楚看到每一行每一列的原始内容，方便定位表头和数据的位置：

import pandas as pd

# 替换成你的Excel文件路径
file_path = "your_file.xlsx"
# 读取文件，不指定表头，保留所有原始行
df_raw = pd.read_excel(file_path, header=None)

# 打印前10行，查看表头和数据的分布（根据输出调整后续的行/列索引）
print(df_raw.head(10))

步骤2：处理合并单元格的info列 #

因为info列大概率是合并单元格，只有分组的第一行有值，下面的行是空的，我们需要用前向填充把空值补上，确保每个数据行都对应正确的info值：

# 假设`info`在第0列（根据实际结构调整列索引）
df_raw[0] = df_raw[0].ffill()

步骤3：提取目标列并设置表头 #

根据你的需求，我们只保留info以及Name到zipcode的列，去掉Scope Changes和amt相关内容：

# 1. 定位表头所在行（比如表头在第2行，对应索引1，根据你的实际输出调整）
header_row = 1

# 2. 收集目标表头：info + Name到zipcode的列名
# 这里假设Name到zipcode在第2列到第10列（索引2到10），根据实际情况修改范围
target_columns = [df_raw.loc[header_row, 0]] + list(df_raw.loc[header_row, 2:10])

# 3. 提取对应的数据行和列（数据从表头行的下一行开始，比如索引2之后）
df_target = df_raw.loc[2:, [0] + list(range(2, 11))]

# 4. 设置新的表头
df_target.columns = target_columns

步骤4：清理数据并生成最终DataFrame #

最后我们过滤掉空行，重置索引，就能得到你想要的结构了：

# 移除全为空的行
df_target = df_target.dropna(how="all")

# 重置索引
df_target = df_target.reset_index(drop=True)

# 查看最终结果
print(df_target.head())

关键注意事项 #

• 一定要根据你打印的df_raw.head(10)输出，调整表头行索引和目标列的范围，比如如果Name在第3列（索引2），zipcode在第12列（索引11），那列范围就要改成2:12。
• 如果你的Excel有多个工作表，记得用pd.ExcelFile指定工作表：xls = pd.ExcelFile(file_path); df_raw = xls.parse("Sheet1")。

内容的提问来源于stack exchange，提问作者user9431057