用 pandas.read_excel() 处理不规则 excel 需组合 skiprows、header、skipfooter 跳过说明行和汇总行；replace+dropna 清空行；列名标准化去空格/全角空格/重复；数值列用 to_numeric(..., errors="coerce") 安全转换。
用 pandas.read_excel() 读取时跳过空行和标题行
不规则 Excel 常见于报表导出：前几行是单位、日期、说明，真正数据从第 N 行开始，中间还夹杂空行或合并单元格。直接 pd.read_excel("file.xlsx") 会把说明当列名，或把空行当数据。
关键参数是 skiprows 和 skipfooter。先用 Excel 手动确认真实数据起始行号（比如第 6 行，索引从 0 算就是 skiprows=5），再用 header=0 让 pandas 把第一行当列名：
df = pd.read_excel("report.xlsx", skiprows=5, header=0)
如果末尾有汇总行，加 skipfooter=1（需配合 engine="openpyxl"，因 xlrd 已不支持新格式）：
df = pd.read_excel("report.xlsx", skiprows=5, header=0, skipfooter=1, engine="openpyxl")
- 不要依赖
header=None后手动设列名——合并单元格会导致列名错位 -
skiprows接收整数或列表，如前 3 行+第 7 行是干扰行，可写skiprows=[0,1,2,6] - 遇到“列名跨两行”的情况，先用
header=[0,1]读成 MultiIndex，再用df.columns = df.columns.map(' '.join)合并
识别并删除空行、全 NaN 行
即使跳过了开头说明，Excel 中仍常有隔行空行或“——”占位符，read_excel() 会把它们读成全 NaN 或空字符串行。这类行不能靠 df.dropna() 默认行为删掉——默认只删所有列都为 NaN 的行，而实际可能某列是空字符串 "" 或字符串 " "。
稳妥做法是先统一转空值，再按行判断：
df = df.replace(r"^\s*$", np.nan, regex=True) # 把纯空白字符串变 NaN<br>df = df.dropna(how="all") # 删掉所有列都是 NaN 的行
- 必须用
regex=True，否则^$不生效 -
how="all"是关键，避免误删某列有数据但其他列为空的合法行 - 如果存在字符串
"N/A"、"-"等占位符，一并在replace()中处理：replace({"N/A": np.nan, "-": np.nan})
处理列名重复、含不可见字符或空格
导出 Excel 的列名常带前后空格、换行符、中文全角空格（\u3000）、甚至 Excel 自动追加的 .1 .2（因重复列名）。直接 df["销售量"] 会报 KeyError。
先标准化列名：
df.columns = df.columns.str.strip().str.replace(r"[\r\n\u3000\s]+", " ", regex=True).str.replace(" ", "_")
再检查是否还有重复：
print(df.columns[df.columns.duplicated()])
-
str.strip()只清两端，中间空格需用正则替换 - 全角空格
\u3000很隐蔽，复制粘贴到代码里也看不见，务必包含在正则中 - 如果列名含斜杠
/、括号等，在后续存 CSV 或数据库时可能出问题，建议统一替换成下划线
用 applymap() 或 apply() 清洗每列数据类型
不规则 Excel 的同一列可能混着数字、字符串、百分比（如 "85%"）、货币（如 "¥12,345.00"），pandas 默认全读成 object，无法计算或排序。
对数值列，别用 astype(float) 硬转——遇到 "-" 或空单元格就崩。改用 pd.to_numeric(..., errors="coerce")，自动把非法值转为 NaN：
df["销售额"] = pd.to_numeric(df["销售额"].str.replace(r"[¥,$%]", "", regex=True).str.replace(",", ""), errors="coerce")
对日期列，同理用 pd.to_datetime(..., errors="coerce")，别信 infer_datetime_format=True——不规则数据格式混乱，反而容易误判。
-
str.replace()必须链式调用在字符串列上，若列含数字会报错，先用df[col] = df[col].astype(str)强制转串（但注意nan会变字符串"nan"，需提前fillna("")） - 百分比列除以 100，货币列去掉符号和逗号后再转数值，这些步骤必须写死，不能依赖自动推断
- 清洗后立刻用
df.info()看各列 dtype，确认object是否已减少——残留的object列大概率还有脏数据没扫干净
清洗真正的难点不在代码多寡，而在每次 Excel 导出规则都可能微调：标题行下移一行、新增一列、百分比符号从 % 换成 百分比。所以清洗逻辑要拆成独立函数，每份新文件先人工抽样看前 20 行，再对应调整 skiprows 和正则模式。
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！
