Pandas：读取包含合并单元格的Excel文件

Question

我有一些Excel文件，其中每个文件有多个工作表，每个工作表看起来都有点像这样（但更长）：

        Sample  CD4     CD8
Day 1   8311    17.3    6.44
        8312    13.6    3.50
        8321    19.8    5.88
        8322    13.5    4.09
Day 2   8311    16.0    4.92
        8312    5.67    2.28
        8321    13.0    4.34
        8322    10.6    1.95

第一列实际上是四个单元格在垂直方向上合并的。

当我使用pandas.read_excel 读取时，获得的DataFrame看起来像这样：

       Sample    CD4   CD8
Day 1    8311  17.30  6.44
NaN      8312  13.60  3.50
NaN      8321  19.80  5.88
NaN      8322  13.50  4.09
Day 2    8311  16.00  4.92
NaN      8312   5.67  2.28
NaN      8321  13.00  4.34
NaN      8322  10.60  1.95

我应该如何让Pandas理解合并单元格，或者快速轻松地删除NaN并按适当的值进行分组？（一种方法是重置索引，逐步查找值并用值替换NaN，传入天数列表，然后将索引设置为该列。但似乎应该有更简单的方法。）

- iayork

Answer 1

你可以使用Series.fillna方法来向前填充NaN值：

df.index = pd.Series(df.index).fillna(method='ffill')

例如，

In [42]: df
Out[42]: 
       Sample    CD4   CD8
Day 1    8311  17.30  6.44
NaN      8312  13.60  3.50
NaN      8321  19.80  5.88
NaN      8322  13.50  4.09
Day 2    8311  16.00  4.92
NaN      8312   5.67  2.28
NaN      8321  13.00  4.34
NaN      8322  10.60  1.95

[8 rows x 3 columns]

In [43]: df.index = pd.Series(df.index).fillna(method='ffill')

In [44]: df
Out[44]: 
       Sample    CD4   CD8
Day 1    8311  17.30  6.44
Day 1    8312  13.60  3.50
Day 1    8321  19.80  5.88
Day 1    8322  13.50  4.09
Day 2    8311  16.00  4.92
Day 2    8312   5.67  2.28
Day 2    8321  13.00  4.34
Day 2    8322  10.60  1.95

[8 rows x 3 columns]

- unutbu

---

"ffill" 正是我正在寻找的。谢谢。 - iayork

如果要解决合并列而不是行的相同问题，您会如何解决？ - Samarth Bharadwaj

fillna方法有一个axis参数，用于控制填充的方向。若要逐行填充DataFrame中所有NaN值，您可以使用df = df.fillna(method='ffill', axis=1)。若只想填充特定行，请使用df.loc或者df.iloc。例如，df.loc[mask] = df.loc[mask].fillna(method='ffill', axis=1)。 - unutbu

@unutbu 谢谢，但我的问题略有不同，表述在这里：https://dev59.com/X14c5IYBdhLWcg3w59qQ - Samarth Bharadwaj

也适用于问题列不是索引的情况。 - wander95

使用 ffill 进行 fillna 是可以的，只要合并单元格后不是紧跟着一个故意留空的单元格就行。 - PlasmaBinturong

Answer 2

df = df.fillna(method='ffill', axis=0)  # resolved updating the missing row entries

- Muth

---

仅提供代码的答案通常在 Stack Overflow 上不被赞同。为了避免被关闭为“低质量”，请添加一些解释性文本。 - Adrian Mole

Answer 3

如果你想在8年后轻松地回来，pandas.read_excel()可以为您内部解决这个问题，只需要使用index_col参数即可。

df = pd.read_excel('path_to_file.xlsx', index_col=[0])

将index_col作为列表传递给pandas会导致它查找MultiIndex。在长度为1的列表的情况下，pandas会创建一个填充数据的常规索引。

- Nathan Pyle

---

太棒了！在我的情况下，index_col=[0,1,2,3]。没错！！ - Michael Tiemann