Python 熊猫：使用合并的单元格读取Excel

我有多张工作表的Excel文件，每个工作表看起来有点像这样（但要长得多）：

第一列实际上是垂直合并的四个单元格

当我使用pandas.read_excel阅读此文件时，我得到一个如下所示的数据框：

       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

我如何才能让Pandas理解合并的单元格，或者通过适当的值快速轻松地删除NaN和group？（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，然后将索引设置为列。但似乎应该有一种更简单的方法。）

您可以使用该方法来预先填充NaN值：

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

---

比如说,

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]

df=df.fillna（method='ffill'，axis=0）#解决了更新缺少的行条目的问题

“ffill”正是我想要的。谢谢。您如何解决合并列而不是行的相同问题？@SamarthBharadwaj:the有一个

轴

参数，用于控制填充方向。要按行填充数据帧中的所有NAN，可以使用

df=df.fillna（method='ffill'，axis=1）

。要仅填充选定行，请使用

df.loc

或

df.iloc

。例如，

df.loc[mask]=df.loc[mask].fillna（method='ffill'，axis=1）

@unutbu-thx，但我的问题稍有不同，在这里表达：

fillna

with

ffill

是可以的，只要合并的单元格后面没有自动空的单元格……堆栈溢出时通常不赞成只使用代码的答案。为了避免被关闭为“低质量”，请添加一些解释性文字。

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]