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：
推荐文章
您阅读本篇文章共花了：
发表评论