多级excel表头需先用header=none读取并前向填充还原层级，再构建multiindex列索引，访问时必须用元组如('2024年q1','销售额')，清洗导出均需适配多级结构，否则易报keyerror或valueerror。
多级Excel表头（如合并单元格形成的行列标题）无法被 pandas.read_excel 直接解析为标准二维结构，必须先“压平”或重建索引，否则后续清洗会因列名丢失、数据错位而失败。
识别并还原被合并的表头行
Excel中常见的多级表头往往表现为前几行存在跨列合并单元格（例如第0行是“销售数据”，第1行是“2024年Q1”“2024年Q2”，第2行才是具体指标“销售额”“订单量”）。pandas.read_excel 默认会把合并单元格读作空值或重复值，导致列名断裂。
- 用
header=None读取全部原始行，保留所有表头信息 - 手动指定表头所在行范围，例如
skiprows=0, nrows=3提取前三行作为原始表头矩阵 - 对这三行做前向填充（
ffill）：按列向下填充空值，还原逻辑层级。例如第1行某列为NaN，但上方第0行有值，则继承该值 - 拼接各层级形成复合列名：用元组
(level0, level1, level2)或字符串"2024年Q1_销售额"，避免重名
用 MultiIndex.from_arrays 构建多级列索引
直接用列表推导拼接列名容易出错，尤其当某列在某一级为空时。更稳妥的方式是显式构造 MultiIndex。
- 先用
df.iloc[0:3]提取表头行，再用.fillna(method='ffill')按列填充 - 转置后对每列调用
.tolist()，得到三个长度一致的层级列表：level0_list、level1_list、level2_list - 传入
pd.MultiIndex.from_arrays([level0_list, level1_list, level2_list])生成列索引 - 注意：若某列在 level0 是空，但 level1 有值，填充后可能变成 “Unnamed: 0” —— 需提前用
.replace(r'^Unnamed.*$', '', regex=True)清洗
跳过表头、读取数据体并绑定列索引
表头和数据体通常不连续（中间可能夹着空行或说明文字），硬编码 skiprows 容易错位。
- 先用
pd.read_excel(file, header=None)全量读取，用df.dropna(how='all')去掉全空行 - 定位数据起始行：找第一个非空且非表头模式的行（例如检查该行是否全是数字/日期/字符串混合，而非全为文本）
- 用
df.iloc[data_start_row:]切片获取数据体，并重设列名为之前构建的MultiIndex - 务必设置
dtype=str或逐列指定类型，避免 pandas 自动将“123”识别为 int 导致后续字符串操作（如.str.contains）报错
清洗时避开 MultiIndex 的常见陷阱
有了多级列名后，df['销售额'] 会报 KeyError，因为列不再是扁平字符串，而是元组。很多清洗操作会意外失效。
- 访问单列必须用元组：例如
df[('2024年Q1', '销售额')]，或用df.xs('销售额', level=1, axis=1)提取 level1=“销售额”的所有列 -
df.fillna()对多级列默认生效，但df.dropna(subset=['销售额'])会失败——必须写成df.dropna(subset=[('2024年Q1', '销售额')]) - 重命名列别用
df.rename(columns={'旧': '新'})，应改用df.columns = df.columns.set_levels(...)或遍历df.columns.map() - 导出时若想还原为普通Excel表头（非多级），需先调用
df.columns = ['_'.join(col).strip() for col in df.columns.values]扁平化
最麻烦的不是读取，而是后续所有清洗动作都要适配 MultiIndex 的访问语法；一旦漏掉一层括号或写错 level，错误信息往往不提示真实原因，只报 KeyError 或 ValueError: cannot handle a non-unique multi-index! —— 这时候得回头检查表头填充是否彻底、有没有未处理的空层级。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
