header与skiprows叠加时，header行号基于跳过后的数据计算，易误判；应先header=None全量读入，再按关键词密度定位真实表头行。
为什么 header 和 skiprows 一起用反而读错表头？
常见现象是：明明 Excel 里第 3 行才是字段名，设了 header=2 却读出空列或错位列；或者多层表头（比如前两行是单位+指标，第三行是具体字段），只靠固定 header=[0,1,2] 会把合并单元格识别成 NaN 或重复索引。
根本原因在于：Pandas 的 header 参数只认“行号索引”，不感知 Excel 中的合并单元格、空行、动态标题块。而 skiprows 是跳过前 N 行——它和 header 是两个独立逻辑，叠加时容易互相干扰。
实操建议：
- 不要先设
skiprows再设header，否则header的行号是相对于跳过之后的数据起始位置计算的，极易误判 - 优先用
header=None全量读入，再人工定位表头起始行（比如找含 “序号”“金额”“日期” 的那行） - 对多级表头，避免直接传
header=[0,1]，先检查原始数据中第 0、1 行是否真有非空字段值——合并单元格常导致某列在上层为空
如何自动定位真实表头行（不是靠肉眼数第几行）？
核心思路：把 Excel 当作二维文本扫描，逐行检测“字段标识符”的出现密度。比如业务中常出现的关键词有 "客户名称"、"销售金额"、"开票日期"，它们集中出现的那一行，大概率就是 header 行。
立即学习“Python免费学习笔记（深入）”；
示例代码片段（不依赖 openpyxl，纯 pandas + numpy）：
import pandas as pd
import numpy as np
<p>df_raw = pd.read_excel("data.xlsx", header=None)</p><h1>扫描前 10 行，找哪一行包含最多预设字段关键词</h1><p>keywords = ["客户名称", "销售金额", "开票日期", "订单编号"]
header_candidates = []
for i in range(min(10, len(df_raw))):
row = df_raw.iloc[i].astype(str).str.contains("|".join(keywords), case=False, na=False)
if row.sum() >= 2: # 至少匹配 2 个关键词才考虑
header_candidates.append(i)</p><p>if header_candidates:
true_header_row = header_candidates[0]
df = pd.read_excel("data.xlsx", header=true_header_row)</p>注意点：
-
pd.read_excel(..., header=None)读出的是纯数值/字符串 DataFrame，没有索引污染，适合做行扫描 - 关键词匹配要加
case=False，Excel 表头大小写混乱很常见 - 别忘了
na=False，否则遇到空单元格会报错 - 如果表头跨多行（如第 1 行是“2024年Q1”，第 2 行是“华东区”，第 3 行才是字段），需改用连续多行联合判断，不能只盯单行
多级表头合并列名时，fillna(method="ffill") 为什么失效？
典型场景：Excel 前两行是层级标题（A1:A3 合并写“客户信息”，B1:B3 合并写“交易明细”），但 pandas 读出来后，df.columns 是 MultiIndex，其中上层大量为 NaN，直接 fillna 报错——因为 MultiIndex 不支持该方法。
正确做法是解构成普通 list，手动前向填充：
# 假设已用 header=[0,1] 读入，得到 MultiIndex 列
cols = df.columns.tolist()
filled_cols = []
for level0, level1 in cols:
if pd.isna(level0):
level0 = prev_level0 # 复用上一个非空 level0
else:
prev_level0 = level0
filled_cols.append((level0, level1))
df.columns = pd.MultiIndex.from_tuples(filled_cols)
关键细节：
- 不能对
df.columns直接调fillna，必须转成 Python list 处理 - 填充方向必须是“从左到右、从上到下”，所以遍历顺序不能错
- 如果第一行 level0 就是 NaN，需额外设定 fallback 值（比如
prev_level0 = "未命名"） - 后续若要扁平化列名（如
"客户信息_客户名称"），应在填充后再做，否则合并逻辑错乱
读取后列名含不可见字符或空格，strip() 为何没反应？
现象：打印 df.columns 看着正常，但用 df["客户名称"] 报 KeyError；检查发现列名实际是 "客户名称 "（中文全角空格）或 "\u200b客户名称"（零宽空格）。
这类字符 .strip() 无法清除，必须显式指定或正则替换：
import re
df.columns = [
re.sub(r"[\s\u200b\u200c\u200d\uFEFF]+", "", str(col))
for col in df.columns
]
# 或针对 MultiIndex：
df.columns = df.columns.map(
lambda x: tuple(re.sub(r"[\s\u200b\u200c\u200d\uFEFF]+", "", str(v)) for v in x)
)
真正容易被忽略的点：
- Excel 从网页复制粘贴进来的表头，极大概率带零宽字符（
\u200b），肉眼完全不可见 -
str(col).strip()只清英文空格和换行，对全角空格（\u00A0）无效 - 建议把清洗逻辑封装成函数，在每次
read_excel后立即执行，别等报错再查
复杂点从来不在“怎么读”，而在“怎么确认读对了”——多打一行 print(repr(df.columns.tolist()[:3]))，比调三天参数更省时间。
