从 Excel 读取时，Pandas 合并单元格问题

Question

所以我有一个带有一些奇怪样式的 xls 文件，但我对此无能为力，所以我只需要解析它。

正如你所看到的，我有一些合并的单元格。我想要做的是填充合并单元格的空值（“ffill”），但也保持空单元格原样。

像这样的东西

EIM, C,NI1 Enescu_Ioan, EIM, S,NI11,Enescu_Ioan EIM, C,NI1 Enescu_Ioan, Empty EIM, C,NI1 Enescu_Ioan EIM, S,NI11,Enescu_Ioan EIM, C,NI1,Enescu_Ioan Empty 我现在加载文件的方式是这样的。

xl = pd.ExcelFile("data/file.xls")
df = xl.parse(0, header=None)

我也尝试像这样打开文件并访问合并的单元格，但我得到一个空列表。

book = xlrd.open_workbook("data/file.xls")
book.sheet_by_index(0).merged_cells # This is empty []

我有什么办法可以实现这个目标吗？谢谢！

编辑

关于这个问题可能会有一些困惑，所以我会尽力解释得更好。附加图像是较大文件的子集，其中各列可能以不同的顺序出现。我想要实现的是一种区分合并单元格 NAN 值（在合并单元格中只有第一列有值，其余都是 nan）和空单元格 NAN 的方法。

Answer 1

设法找到修复方法

def read_excel(path):
    excel = None
    if path.endswith('xlsx'):
        excel = pd.ExcelFile(xlrd.open_workbook(path), engine='xlrd')
    elif path.endswith('xls'):
        excel = pd.ExcelFile(xlrd.open_workbook(path, formatting_info=True), engine='xlrd')
    else:
        raise ValueError("Could not read this type of data")
    return excel

def parse_excel(excel_file):
    sheet_0 = excel_file.book.sheet_by_index(0)
    df = excel_file.parse(0, header=None)
    return sheet_0, df

def fill_merged_na(sheet, dataframe):
    for e in sheet.merged_cells:
        rl, rh, cl, ch = e
        base_value = sheet.cell_value(rl, cl)
        dataframe.iloc[rl:rh, cl:ch] = base_value
    return dataframe

一些重要的部分是打开 Excel 文件，并将formatting_info 设置为 True，以便还读取格式，例如合并的单元格和 fill_merged_na 函数，该函数仅填充合并的 nan 值，但保留初始的空单元格。