使用Pandas读取带有多个标题的excel工作表

Question

我有一个包含多个标题的excel工作表，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，您可以看到前两列没有标题，它们是空的，但其他列有标题，如Header1、Header2和Header3。所以我想读一下这张纸，把它和其他结构相似的纸合并起来。

我想把它合并到第一列'ColX'。现在我要做的是：

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')

但我不知道它的两个阅读栏正确，我想不会返回结果，以我想要的方式。所以，我希望得到的帧应该是：

________________________________________________________________________________________________________
____|_____|        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  |  ......................................................................................

有什么建议吗。谢谢。

Answer 1

Pandas已经有一个函数可以为您读取整个Excel电子表格，因此您不需要手动分析/合并每个工作表。看看pandas.read_excel()。它不仅允许您在一行中读取一个Excel文件，还提供了帮助解决问题的选项。

既然你有子列，你要找的是MultiIndexing。默认情况下，pandas将在顶行中读取作为唯一的标题行。您可以将header参数传递到pandas.read_excel()中，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。你也可能有多张纸，所以你也可以通过sheetname=None（这告诉它要通过所有的纸）。命令是：

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

这将返回一个字典，其中键是工作表名称，值是每个工作表的数据帧。如果要将其全部折叠为一个数据帧，只需使用pandas.concat：

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