使用熊猫阅读具有多个标题的Excel表格

Question

我有一个带有多个标题的Excel工作表，例如：

_________________________________________________________________________
____|_____|        Header1    |        Header2     |        Header3      |
ColX|ColY |ColA|ColB|ColC|ColD||ColD|ColE|ColF|ColG||ColH|ColI|ColJ|ColDK|
1   | ds  | 5  | 6  |9   |10  | .......................................
2   | dh  |  ..........................................................
3   | ge  |  ..........................................................
4   | ew  |  ..........................................................
5   | er  |  ..........................................................

现在在这里您可以看到前两列没有标题，它们为空白，而其他列具有标题，例如Header1，Header2和Header3。因此，我想阅读此表并将其与其他具有类似结构的表合并。

我想将其合并在第一列“ ColX”上。现在我正在这样做：

import pandas as pd

totalMergedSheet = pd.DataFrame([1,2,3,4,5], columns=['ColX'])
file = pd.ExcelFile('ExcelFile.xlsx')
for i in range (1, len(file.sheet_names)):
    df1 = file.parse(file.sheet_names[i-1])
    df2 = file.parse(file.sheet_names[i])
    newMergedSheet = pd.merge(df1, df2, on='ColX')
    totalMergedSheet = pd.merge(totalMergedSheet, newMergedSheet, on='ColX')

但是我不知道它没有正确读取列，我认为不会以我想要的方式返回结果。所以，我希望结果框架应该像这样：

________________________________________________________________________________________________________
____|_____|        Header1    |        Header2     |        Header3      |        Header4     |        Header5      |
ColX|ColY |ColA|ColB|ColC|ColD||ColD|ColE|ColF|ColG||ColH|ColI|ColJ|ColK| ColL|ColM|ColN|ColO||ColP|ColQ|ColR|ColS|
1   | ds  | 5  | 6  |9   |10  | ..................................................................................
2   | dh  |  ...................................................................................
3   | ge  |  ....................................................................................
4   | ew  |  ...................................................................................
5   | er  |  ......................................................................................

有任何建议请。谢谢。

Answer 1

熊猫已经具有将为您读取整个Excel电子表格的功能，因此您无需手动分析/合并每张工作表。看看pandas.read_excel（）。它不仅使您可以单行读取Excel文件，还提供了一些选项来帮助解决您遇到的问题。

由于您有子列，因此您正在寻找的是MultiIndexing。默认情况下，大熊猫将在第一行中作为唯一的标题行读取。您可以向其中传递一个header参数pandas.read_excel()，该参数指示要用作标题的行数。在您的特定情况下，您需要header=[0, 1]指示前两行。您可能还会有多张纸，因此您也可以通过sheetname=None（这告诉它要遍历所有纸）。该命令将是：

df_dict = pandas.read_excel('ExcelFile.xlsx', header=[0, 1], sheetname=None)

这将返回一个字典，其中的键是工作表名称，值是每个工作表的DataFrames。如果要将其全部折叠到一个DataFrame中，则可以简单地使用pandas.concat：

df = pandas.concat(df_dict.values(), axis=0)