我想用 Python Pandas 读取一个如下所示的 Excel 文件:
https://www.dropbox.com/s/1usfr3fxfy2qlpp/header_with_merged_cells.xlsx?dl=0
我们可以看到这个 Excel 文件有一个包含合并单元格的标题
我做了
import pandas as pd
df = pd.read_excel("header_with_merged_cells.xlsx", skiprows=3)
print(df)
print(df.dtypes)
print(df.columns)
它返回一个 DataFrame 如下:
ColA ColB ColC Unnamed: 3 Unnamed: 4 ColD
0 NaT NaN 1 2.0 3 NaN
1 2010-01-01 A A 2.1 2010-02-01 00:00:00 E
2 2010-01-02 B C 2.2 2010-02-02 00:00:00 F
dtypes
像:
ColA datetime64[ns]
ColB object
ColC object
Unnamed: 3 float64
Unnamed: 4 object
ColD object
列
如:
Index(['ColA', 'ColB', 'ColC', 'Unnamed: 3', 'Unnamed: 4', 'ColD'], dtype='object')
有没有办法修复列以获得 ColA、ColB、ColC.1、ColC.2、ColC.3、ColD
或 MultiIndex 列?
一个问题是 D5 单元格被视为 float
(而不是 int
或 str
)
另一个问题是 E 列应被视为 datetime64[ns]
header
参数可以帮助:
df = pd.read_excel("header_with_merged_cells.xlsx", skiprows=3, header=[0,1])
但是我们得到了一个像这样的 DataFrame:
ColA ColB ColC ColD
Unnamed: 0_level_1 1 2 3 Unnamed: 4_level_1
2010-01-01 A A 2.1 2010-02-01 E
2010-01-02 B C 2.2 2010-02-02 F
dtypes
像:
ColA
ColB Unnamed: 0_level_1 object
ColC 1 object
2 float64
3 datetime64[ns]
ColD Unnamed: 4_level_1 object
dtype: object
列
如:
MultiIndex(levels=[['ColB', 'ColC', 'ColD'], [1, 2, 3, 'Unnamed: 0_level_1', 'Unnamed: 4_level_1']],
labels=[[0, 1, 1, 1, 2], [3, 0, 1, 2, 4]],
names=['ColA', None])
看到诸如 Unnamed: 0_level_1
、Unnamed: 4_level_1
这样的列很奇怪。
没有办法解决吗?
最佳答案
这并不容易。
首先添加用于创建MultiIndex
的参数header
,然后将Unnamed
列名重命名为空字符串。
df = pd.read_excel("header_with_merged_cells.xlsx", skiprows=3, header=[0,1])
df = df.reset_index()
df = df.rename(columns=lambda x: x if not 'Unnamed' in str(x) else '')
df = df.rename(columns={'index':'ColA'})
df.columns.names = (None, None)
print(df)
ColA ColB ColC ColD
1 2 3
0 2010-01-01 A A 2.1 2010-02-01 E
1 2010-01-02 B C 2.2 2010-02-02 F
关于python - 读取带有合并单元格标题的 Excel 文件时修复 DataFrame 列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42132663/