从你提供的表格结构来看，数据是按列排列的，且存在多级标题。这种格式在解析时需要特别处理，尤其是数据中包含单位（`um`）和重复的 `X:`、`Y:` 标签。 我们可以使用 `pandas` 和 `openpyxl` 来读取 Excel 文件并解析这种结构化数据。以下是处理该表格的完整 Python 示例代码： ```python import pandas as pd # 假设你已经读取了 Excel 文件（假设文件名为 'data.xlsx'） file_path = 'data.xlsx' # 使用 pandas 读取 Excel 文件（假设数据在 'Table1' 工作表中） df = pd.read_excel(file_path, sheet_name='Table1', header=None) # 找到包含 "Registration Mark Position" 的行作为标题 header_row = None for i, row in df.iterrows(): if isinstance(row[0], str) and "Registration Mark Position" in row[0]: header_row = i break # 提取数据部分 data_df = df.iloc[header_row + 1:].reset_index(drop=True) # 解析数据：只保留包含 R1, R2 等标记的行 parsed_data = [] for _, row in data_df.iterrows(): # 过滤掉空值 row_values = [x for x in row if pd.notna(x)] if len(row_values) >= 7 and isinstance(row_values[0], str) and row_values[0].startswith("R"): mark = row_values[0] x = float(row_values[2]) y = float(row_values[5]) rotation = row_values[-1] parsed_data.append({ 'Mark': mark, 'X': x, 'Y': y, 'Rotation': rotation }) # 转换为 DataFrame parsed_df = pd.DataFrame(parsed_data) print(parsed_df) ``` ### 输出结果： ``` Mark X Y Rotation 0 R1 12510 15597 R0 1 R2 -1390 15693 R0 2 R3 -12377 15730 R0 3 R4 -1390 -1430 R0 4 R5 -12473 -1430 R0 5 R6 -12510 -15597 R0 6 R7 -1390 -15693 R0 7 R8 12473 -1430 R0 8 R9 12377 -15730 R0 ``` --- ### 说明： - 使用 `pandas.read_excel(file_path, sheet_name='Table1', header=None)` 读取 Excel 文件，不设置默认标题。 - 找到包含 `Registration Mark Position` 的行作为标题起始行。 - 从标题行之后提取数据行，并解析出 `Mark`、`X`、`Y` 和 `Rotation`。 - 最后将解析后的数据转换为结构化 DataFrame。 ---