2. 排查 Excel 多表头与合并单元格导致的列名异常

问题定位：多行表头与合并单元格如何破坏列名

含多行表头与合并单元格的 Excel 文件，在 pandas 默认读取时会出现三类典型异常：列名重复（合并单元格展开后多列同名）、NaN 列名（空白单元格被读成未命名列）、数据偏移（真正的表头行被当成数据行，或数据行被当成表头）。核心原因是 read_excel 默认 header=0，只取第一行作列名，而合并单元格在 Excel 中只有左上角单元格有值，其余为空白。

复现步骤与关键代码

下面用一份构造的示例文件 sales_multiheader.xlsx 演示完整修复流程。示例数据为教学构造，非真实业务数据。

import pandas as pd
import numpy as np

# 1) 先"裸读"看结构：不设 header，观察前几行
raw = pd.read_excel("sales_multiheader.xlsx", header=None, nrows=5)
print(raw)
# 预期：第0行大标题、第1行分组、第2行真实字段、第3行起为数据

# 2) 定位真实字段行：找到第一行"非空单元格最多"的行
non_null = raw.notna().sum(axis=1)
header_row = int(non_null.idxmax())
print("真实字段行索引:", header_row)   # 示例中应为 2

# 3) 用 skiprows + header 正确读入
df = pd.read_excel("sales_multiheader.xlsx", skiprows=header_row, header=0)
print(df.columns.tolist())
# 预期：['销售额','订单数','销售额','订单数','状态','负责人'] —— 仍有重复

# 4) 列名清洗：去空白、去 Unnamed、重复加后缀
def clean_columns(cols):
    out, seen = [], {}
    for c in cols:
        name = str(c).strip()
        if name == "" or name.lower().startswith("unnamed"):
            name = "col"
        if name in seen:
            seen[name] += 1
            name = f"{name}_{seen[name]}"
        else:
            seen[name] = 0
        out.append(name)
    return out

df.columns = clean_columns(df.columns)
print(df.columns.tolist())
# 预期：['销售额','订单数','销售额_1','订单数_1','状态','负责人']

# 5) 校验
assert df.columns.is_unique, "列名仍有重复"
assert not df.columns.isna().any(), "存在 NaN 列名"
assert df.shape[0] == len(pd.read_excel("sales_multiheader.xlsx", header=None)) - header_row - 1
print("校验通过，行数:", df.shape[0])

结果判读与验证要点