不规则 Excel＂数据提取——教师课表自动汇总实战

今天用一个真实案例，带大家用python实战一下不规则的excel数据，怎么一步一步用 Python 把它"驯服"。

例如下表的excel（20260309.xlsx），结构大致如下：

目标输出：每位老师对应教授了哪些不重复科目，格式如下：

这种表格的挑战在于：每个年级的科目数量不同、表头与年级合并在同一行，没有统一的固定格式，无法直接用 pd.read_excel 加表头一步读取。

思路分析

拿到这类"不规则"Excel，核心思路是逐行解析：

1. 遇到"一年级/二年级/三年级"→ 读取该行第2列起的科目名，存入 current_subjects
2. 遇到含"班"字或"高三"的行 → 按列位置将教师姓名与 current_subjects 对应
3. 用 defaultdict(set) 存储结果，set 自动去重（同一老师教多个班的同一科目只记录一次）

完整代码解析

1. 数据读取

import pandas as pd
from collections import defaultdict

defread_excel_data(file_path):
"""读取Excel文件，返回原始DataFrame"""
    df = pd.read_excel(file_path, header=None)
return df

使用 header=None 是关键。因为表格没有统一表头行，直接读取全部原始数据，保留每一行的原始结构。

2. 核心解析逻辑

defparse_teacher_subject_mapping(df):
    teacher_subject_map = defaultdict(set)
    current_subjects = []

for _, row in df.iterrows():
        col0 = str(row[0]).strip() if pd.notna(row[0]) else""
        col1 = str(row[1]).strip() if pd.notna(row[1]) else""

# 年级行：同时也是科目表头行
if col0 in ["一年级", "二年级", "三年级"]:
            current_subjects = []
for i in range(2, len(row)):
                subject = str(row[i]).strip() if pd.notna(row[i]) else""
                current_subjects.append(subject)
continue

# 班级数据行：含"班"字或为"高三"
if col1 and ("班"in col1 or col1 == "高三"):
for i, subject in enumerate(current_subjects):
                col_index = i + 2
if col_index >= len(row):
break
                teacher = str(row[col_index]).strip() if pd.notna(row[col_index]) else""
if teacher and teacher != "nan"and subject and subject != "nan":
                    teacher_subject_map[teacher].add(subject)

return teacher_subject_map

几个细节值得关注：

• pd.notna() 判空：Excel 空白单元格读取后是 NaN，必须先判断再 str() 转换，否则会出现字符串 "nan"
• set 去重：同一老师在多个班教同一科目，用 set 只记录一次
• 列位置对齐：科目从第2列开始，班级数据也从第2列开始，通过 col_index = i + 2 保证对齐

3. 结果格式化与输出

defformat_result(teacher_subject_map):
    rows = []
for teacher, subjects in sorted(teacher_subject_map.items()):
        subject_str = "，".join(sorted(subjects))
        rows.append({"老师名字": teacher, "结果": subject_str})
return pd.DataFrame(rows)

defsave_result(result_df, output_path):
    result_df.to_excel(output_path, index=False)

对教师姓名和科目名称都进行了排序（sorted()），让输出结果稳定可预期，而不是依赖字典遍历的随机顺序。

通过上面的代码，就可以完美解决这种问题！！

运行结果

代码总结

举一反三

这套"逐行解析 + 状态机"的思路，适用于大量现实中的不规则表格场景：

• 多门店销售汇总：每个门店一个小表头，数据分段存放
• 项目周报：每周一个标题行，内容逐行展开
• 混合语言报表：中英文表头混合，列数不固定

核心思路不变：识别"分隔标志行"，动态更新当前上下文，逐行提取数据。

代码已整理为完整可运行脚本 analyze_teacher_subjects.py，直接放到 Excel 同级目录执行即可。有问题欢迎留言交流！

🔮 获取和交流

需要本章或其他文章的源码和数据的同学，关注+三连，在对应文章下评论“6666“，加下面微信，发你！也可以拉你进群交流学习，加群备注：IT小本本学习

为了能随时获取最新动态，大家可以动动小手将公众号添加到“星标⭐”哦，点赞 + 关注，用时不迷路！！！！

关注公众号：IT小本本 👇