Pandas读取excel合并单元格的正确方式(openpyxl合并单元格拆分并填充内容)
作者：iioSnail
Excel文件中可能包含合并单元格的数据,下面这篇文章主要给大家介绍了关于Pandas读取excel合并单元格的正确方式,主要介绍的openpyxl合并单元格拆分并填充内容,需要的朋友可以参考下
问题介绍（ffill填充存在的问题）
在pandas读取excel经常会遇到合并单元格的问题。例如：
此时使用pandas读取到的内容为：
如果去百度，几乎所有人会说应该用如下代码：
df['班级'] = df['班级'].ffill()
这样看起来没问题，但是，该解决方案并不能适用于所有场景，甚至会造成数据错误。
例如：
对班级和备注填充后：
孙武空本来是数据缺失，现在被错误的标记成了挂科数据。
再例如：
对所有列填充后：
同样存在大量数据或错误数据。
正确填充方式
思路：① 使用openpyxl将合并单元格拆分，生成中间文件 ② 读取中间文件
第一步，使用如下工具类生成拆分单元格并生成中间文件：
import openpyxl
# 拆分所有的合并单元格，并赋予合并之前的值。
# 由于openpyxl并没有提供拆分并填充的方法，所以使用该方法进行完成
def unmerge_and_fill_cells(worksheet):
all_merged_cell_ranges = list(
worksheet.merged_cells.ranges
)
for merged_cell_range in all_merged_cell_ranges:
merged_cell = merged_cell_range.start_cell
worksheet.unmerge_cells(range_string=merged_cell_range.coord)
for row_index, col_index in merged_cell_range.cells:
cell = worksheet.cell(row=row_index, column=col_index)
cell.value = merged_cell.value
# 读取原始xlsx文件，拆分并填充单元格，然后生成中间临时文件。
def unmerge_cell(filename):
wb = openpyxl.load_workbook(filename)
for sheet_name in wb.sheetnames:
sheet = wb[sheet_name]
unmerge_and_fill_cells(sheet)
filename = filename.replace(".xls", "_temp.xls")
wb.save(filename)
wb.close()
# openpyxl保存之后，再用pandas读取会存在公式无法读取到的情况，使用下面方式就可以了
# 如果你的excel不涉及公式，可以删除下面内容
# 原理为：使用windows打开excel，然后另存为一下
from win32com.client import Dispatch
xlApp = Dispatch("Excel.Application")
xlApp.Visible = False
xlBook = xlApp.Workbooks.Open(str(Path(".").absolute() / filename)) # 这里必须填绝对路径
xlBook.Save()
xlBook.Close()
return filename
if __name__ == '__main__':
unmerge_cell("test.xlsx")拆分后的sheet页如图：
然后再使用pandas读取中间文件即可：
import pandas as pd
df = pd.read_excel("test_temp.xlsx")结果为：
总结
到此这篇关于Pandas读取excel合并单元格的正确方式的文章就介绍到这了,更多相关Pandas读取excel合并单元格内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！