在 Python 中动态读取 Excel 文件

Question

我正在尝试阅读一个包含一些空白行和列的 excel。 这个过程变得更加复杂，因为它在标题之前也有一些垃圾值。

目前，我正在对列名进行硬编码以提取表。 这有两个缺点，如果列不存在于表中，以及列名在列值中重复会怎样。 有没有办法动态写一个程序，自动检测表头并读取表？

代码片段：

raw_data = pd.read_excel('test_data1.xlsx','Sheet8',header=None)

data_duplicate = pd.DataFrame()

for row in range(raw_data.shape[0]): 
    for col in range(raw_data.shape[1]):
        if raw_data.iloc[row,col] == 'Currency':
            data_duplicate = raw_data.iloc[(row+1):].reset_index(drop=True)
            data_duplicate.columns = list(raw_data.iloc[row])
            break
data_duplicate.dropna(axis=1, how='all',inplace=True)
data_duplicate

此外，标题前的银行行数+垃圾行数不固定。

Answer 1

这是我的方式：您可以删除包含 Nan 的所有行和所有列

data = pd.read_excel('test.xlsx')
data = data.dropna(how='all', axis = 1)
data = data.dropna(how='all', axis = 0)
data = data.reset_index(drop = True)

如果您需要在相同的代码中打开多个 DataFrame，那么将其放入一个函数中会更好：

data = pd.read_excel('test.xlsx')

def remove_nans(df):
    x = df.dropna(how = 'all', axis = 1)
    x = x.dropna(how = 'all', axis = 0)
    x = x.reset_index(drop = True)
    return x

df = remove_nans(data)
print(df)