Pandas读取excel合并单元格的正确姿势（openpyxl合并单元格拆分并填充内容）

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：

代码007普通

打赏 收藏 海报 链接