pandas数据分析40——读取 excel 合并单元格的表头

案例背景

真的很容易疯....上班的单位的表格都是不同的人做的，所以就会出现各种合并单元格的情况，要知道我们用pandas读取数据最怕合并单元格了，因为没规律...可能前几列没合并，后面几列又合并了....而且pandas对于索引很严格，这种合并单元读取进来就是空的，还怎么查找数据......例如：

 还有这种：

 读取的时候....真的很无语。虽然手工做的表头方便人看，但真的不方便代码来取数。

下面我们来看看怎么自动化读取这种多合并表格的数据，并规范表头。就用这个资产的样例

---

代码实现

读取数据，前2行都是标题没用跳过，然后header=0,1表示2行作为多层索引。

name='资产类别统计表2023.7.xlsx'

df=pd.read_excel(f'{name}',skiprows=2,header=[0,1],converters={'类别编号': str})
df.head(3)

 

可以看到有‘unnamed’这种合并单元出现的空值的情况。 

我们可以打印查看一下行索引名称：

df.columns

 像这种只有部分下面缺失的，可以直接用上面的第一层索引填充第二层索引，让它还是两层索引，然后继续做多层索引数据框。

cols = df.columns.map(lambda x: [x[0]if 'Unnamed' in i else i for i in x])
multi_cols = pd.MultiIndex.from_arrays([list(col) for col in zip(*cols)])
df.columns=multi_cols
df.head(2)

 这样就是处理好， 然后按照多层索引的方法去进行取数。

若多层索引不熟悉，只想变成正常 的二维数据框，那么就这样：

cols = df.columns.map(lambda x: ''.join('' if 'Unnamed' in i else i for i in x))
cols

 把第一层和第二层的名称都进行合并，然后赋值：
 

df.columns=cols
df.head(2)

 这样就变成了单层数据框，完成！

后面就正常的pandas索引进行取数修改筛选计算等工作了。