### Python 中处理 Excel 合并单元格下三列细分数据的方法 在实际工作中，经常会遇到需要解析带有合并单元格的 Excel 文件的情况。Pandas 是一种强大的数据分析工具，但它本身并不支持直接读取或写入带合并单元格的 Excel 表格[^2]。因此，在这种情况下通常会结合 `openpyxl` 或其他库来实现更复杂的操作。 以下是具体的解决方案： #### 方法一：通过 openpyxl 解析合并单元格 如果目标是读取包含合并单元格的 Excel 文件，则可以通过 `openpyxl` 来获取这些单元格的信息，并将其映射到 Pandas DataFrame 上。下面是一个示例代码片段： ```python from openpyxl import load_workbook import pandas as pd def parse_merged_cells(file_path): wb = load_workbook(filename=file_path, data_only=True) ws = wb.active merged_data = {} for merge_cell in ws.merged_cells.ranges: min_col, min_row, max_col, max_row = range_boundaries(str(merge_cell)) value = ws.cell(row=min_row, column=min_col).value for row_idx in range(min_row, max_row + 1): for col_idx in range(min_col, max_col + 1): cell_key = (row_idx, col_idx) merged_data[cell_key] = value data = [] for row in ws.iter_rows(values_only=True): cleaned_row = [] for idx, val in enumerate(row, start=1): key = (ws._current_row, idx) if key in merged_data and val is None: cleaned_row.append(merged_data[key]) else: cleaned_row.append(val) data.append(cleaned_row) df = pd.DataFrame(data[1:], columns=data[0]) # 假设第一行为表头 return df # 辅助函数用于解析合并区域边界 def range_boundaries(range_string): min_col, min_row, sep, max_col, max_row = re.split(r'[:]', range_string.replace('$', '')) return ( column_index_from_string(min_col), int(min_row), column_index_from_string(max_col), int(max_row) ) ``` 此方法利用了 `openpyxl` 的功能来识别和拆分合并单元格的内容，并最终将它们转化为适合 Pandas 使用的形式[^1]。 #### 方法二：手动填充缺失值 当面对已经导入但未正确显示的合并单元格时，可以在 Pandas 层面进行修复。例如，对于某些特定列（假设为 A 列），可以向前填充其空白项以恢复原始结构： ```python df['A'] = df['A'].fillna(method='ffill') ``` 这种方法适用于那些仅需简单逻辑即可还原的场景[^5]。 #### 注意事项 尽管上述两种方式都可以有效解决问题，但在设计自动化脚本之前应充分考虑源文档的一致性和稳定性。因为一旦输入格式发生变化，可能就需要重新调整程序逻辑[^4]。 ---