应使用openpyxl读取并解析merged_cells，提取左上角值填充整个合并区域，再构造DataFrame；不可依赖ffill，因其无法识别合并边界。
合并单元格导致 read_excel 读出大量 NaN 怎么办？
直接用 pandas.read_excel 读取带合并单元格的 Excel，合并区域下方/右侧的单元格会变成 NaN —— 这不是 bug，是 pandas 的默认行为：它按“真实单元格值”映射，不自动填充合并逻辑。你看到的“表头跨三列”或“部门名称纵向合并”，pandas 一律当空白处理。
解决思路不是硬填 NaN，而是先还原合并结构。关键函数是 openpyxl 的 merged_cells 属性：
-
from openpyxl import load_workbook打开工作簿（必须用data_only=False，否则合并信息丢失） - 遍历
ws.merged_cells.ranges，每个MergedCellRange包含min_row/max_row/min_col/max_col - 对每个合并范围，用
ws.cell(row=min_row, column=min_col).value取出左上角值，再手动赋给范围内所有单元格（跳过左上角自身）
注意：openpyxl 的行列索引从 1 开始，而 pandas DataFrame 是 0-based，后续转成 DataFrame 时需统一偏移。
如何把修复后的 openpyxl 表格转成可用的 pandas DataFrame？
别用 DataFrame(ws.values) 直接转 —— 它会把空行、空列、格式行全吞进去，且丢失列名推断逻辑。正确做法是先提取「数据区域」：
立即学习“Python免费学习笔记（深入）”；
- 用
ws.iter_rows(min_row=1, max_row=ws.max_row, values_only=True)拉取所有行值 - 跳过全
None行，找到第一个非空行作为标题行（next(filter(lambda r: any(x is not None for x in r), rows))） - 从标题行下一行开始截取数据体，用
pd.DataFrame(data, columns=headers)构造
如果标题本身也被合并（比如前两列合并写“客户信息”，后三列合并写“订单明细”），需要先拆解合并逻辑，再为每列生成语义化列名，例如 ["客户_姓名", "客户_电话", "订单_编号", "订单_日期", "订单_金额"]。
遇到多层嵌套合并（如“省份→城市→区县”三级纵向合并）怎么保持层级关系？
这种结构本质是分组标记，不是单纯填值。强行用单一值填充所有子行会导致无法区分层级边界。更稳妥的方式是构造辅助列：
- 遍历行时，记录上一个非空单元格的值和所在行号
- 当前行该列为空 → 检查是否在某个已知合并范围内（用预存的
merged_ranges判断） - 若属于某合并块，取其左上角值，并记录该值的起始行（
group_start_row），用于后续计算相对深度 - 最终生成列如
province、city、district，并允许city和district对应多个province值
不要依赖 ffill() 一次搞定——它无法识别合并块边界，可能把 A 省的市错误续到 B 省下面。
为什么不用 xlwings 或 win32com 自动调用 Excel？
它们能原生读取合并状态，但代价明显：必须本地安装 Excel 应用、Windows 系统限定、启动慢、并发解析时容易卡死或句柄泄漏。批量处理上百个文件时，openpyxl 纯内存解析快 3–5 倍，且无环境依赖。
唯一例外是遇到加密 Excel（.xlsb 或密码保护）——openpyxl 不支持，此时才考虑 xlwings + headless Excel 实例，但要加超时控制和进程回收逻辑。
合并单元格解析最易被忽略的一点：Excel 中“看似合并”可能是通过居中对齐+隐藏边框伪造的，实际并未合并。务必先用 ws.merged_cells.ranges 长度确认是否真有合并，否则所有填充逻辑都是徒劳。
