pandas 读 Excel 的 5 个默认行为

一个 Excel 文件，用 pandas 读进来，结果经常跟表格里写的不一样。更麻烦的是它不报错，前导零没了、空行少了、文本被换成布尔值，read_excel 一行跑完，返回一个看着正常的 DataFrame。

问题出在默认值上。read_excel 有十几个参数，不写就是用默认值，单看都合理，合起来就是一套替你做主的决定。下面这 5 个最容易跟表格里看到的样子对不上。

先准备测试文件，后面每段代码都基于它。一个工作簿，9 张表：

import datetimeimport openpyxlimport pandas as pdwb = openpyxl.Workbook()sheets = {"报价单": [["XX项目供应商报价表"], ["制表日期：2026-10-08"],              ["供应商", "物料", "单价", "数量"], ["A公司", "螺丝", 0.5, 1000],              ["B公司", "螺母", 0.3, 2000], ["C公司", "垫片", 0.1, 5000]],"工号": [["工号", "姓名"], ["0001234", "张三"], ["0001235", "李四"]],"混类型": [["编号", "金额"], ["001", 100], ["002", 200], ["003", "待定"]],"状态": [["名称", "状态"]] + [[c, v] for c, v in             [("a", "TRUE"), ("b", "FALSE"), ("c", "NA"), ("d", "null"), ("e", "None")]],"空行": [["甲", 1], [None, 2], [None, None], ["乙", 4]],"日期": [["真日期", "假日期"], [datetime.date(2026, 10, 8), "2026-10-08"],             [datetime.date(2026, 10, 9), "2026-10-09"]],"待定日期": [["日期", "值"], ["2026-10-08", 1], ["待定", 2], ["2026-10-09", 3]],"汇总": [["项目", "值"], ["合计", 1]],"明细": [["项目", "值"], ["明细1", 2]],}for name, rows in sheets.items():    ws = wb.active if name == "报价单"else wb.create_sheet(name)    ws.title = namefor r in rows:        ws.append(r)wb.save("demo.xlsx")

header 默认把第一行当列名

header 默认 0，第 0 行直接变成列名。"报价单"这张表第 1 行是总标题，第 2 行是制表日期，第 3 行才是真表头：

df = pd.read_excel("demo.xlsx", sheet_name="报价单")print(df.head(3))

        XX项目供应商报价表 Unnamed: 1 Unnamed: 2 Unnamed: 30  制表日期：2026-10-08        NaN        NaN        NaN1              供应商         物料         单价         数量2              A公司         螺丝        0.5       1000

列名成了 ['XX项目供应商报价表', 'Unnamed: 1', 'Unnamed: 2', 'Unnamed: 3']，真表头降级成一行数据。那几个 Unnamed: 1 的意思是：pandas 按位置读到一列但没列名，给你编了个占位名。

代价是上游把标题从 1 行改成 2 行，下游列名全部错位，没有警告。

知道表头在第 3 行，header 写 2 就对了，它收从 0 起的行号：

df = pd.read_excel("demo.xlsx", sheet_name="报价单", header=2)print(df.head(3))

   供应商  物料   单价    数量0  A公司  螺丝  0.5  10001  B公司  螺母  0.3  20002  C公司  垫片  0.1  5000

容易记错的是第 3 行写 2 不是 3，写成 header=3 首行数据会被当成列名。

dtype 默认交给 pandas 猜

dtype 默认 None，全部自动推断。第一条，纯数字字符串会被转成数字，工号列写的是 "0001234"：

df = pd.read_excel("demo.xlsx", sheet_name="工号")print(repr(df["工号"].iloc[0]))

np.int64(1234)

前导零在拿到数据之前就没了，读出来已是 1234，得在读取时写 dtype={"工号": str}：

df = pd.read_excel("demo.xlsx", sheet_name="工号", dtype={"工号": str})print(repr(df["工号"].iloc[0]))   # '0001234'

第二条，一个文本单元格能让整列退回 object。金额列本是 100、200，混进一个"待定"：

df = pd.read_excel("demo.xlsx", sheet_name="混类型")print(df.dtypes.to_dict())

{'编号': dtype('int64'), '金额': dtype('O')}

整列变成 object。这时候去求和会怎样？实测是直接抛错：

df["金额"].sum()

TypeError: unsupported operand type(s) for +: 'int' and 'str'

sum、min、max、mean 全都会抛错，因为列里既有 int 又有 str，运算没有定义。但报错不是最坏的情况，如果这一列一个数字都没有、全是文本，它不报错，而是把字符串拼起来一路传下去：

pd.DataFrame({"金额": ["待定", "待定"]})["金额"].sum()   # '待定待定'

修的时候先定位，errors="coerce" 转不动的会变 NaN，非空但变 NaN 的就是问题单元格：

raw = df["金额"]bad = pd.to_numeric(raw, errors="coerce").isna() & raw.notna()print(df[bad])

   编号  金额2   3  待定

怎么补要根据业务决定。"待定"和"0 元"是两回事，我倾向先变 NaN 让缺失显式存在，别补 0：

raw = pd.to_numeric(raw, errors="coerce")    # 非数字 → NaNraw.fillna(0)                                # 非数字 → 0

也可以读取时拦住，用 converters：

df = pd.read_excel("demo.xlsx", sheet_name="混类型",                   converters={"金额": lambda v: pd.to_numeric(v, errors="coerce")})df["金额"].dtype   # dtype('float64')

dtype={"金额": float} 做不到同样的事，实测会报 ValueError。区别是 dtype 强制转换，转不动就放弃；converters 逐值处理，允许你把非法值安排成 NaN。

换成 converters 后 sum() 能算出 300.0。但需要警惕那些不出错的操作。回到没处理过的原始列上看：count() 返回 3，把"待定"也算成了一行有效数据；unique() 返回 [100, 200, '待定']，看着像正常值。这类静默偏差只能靠读取时先看 dtypes 拦下来。

第三条，某些文本会被识别成布尔值。"状态"列写的是 "TRUE"、"FALSE"：

df = pd.read_excel("demo.xlsx", sheet_name="状态")print(df)

  名称     状态0  a   True1  b  False2  c    NaN3  d    NaN4  e    NaN

"TRUE"、"FALSE" 变成 True、False，"NA"、"null"、"None" 全变 NaN。后面几个是 na_filter=True 干的，它拿一张 NA 词表对照，命中的全当缺失值。实测有 19 个词：

['', '#N/A', '#N/A N/A', '#NA', '-1.#IND', '-1.#QNAN', '-NaN', '-nan', '1.#IND', '1.#QNAN', '<NA>', 'N/A', 'NA', 'NULL', 'NaN', 'None', 'n/a', 'nan', 'null']

要是表里有一列叫"区域"，值是 NA（North America 的缩写），它会被换成缺失值，看着没动，实际少了。

要解决，可以设置 dtype=str 能让它原样保留：

df = pd.read_excel("demo.xlsx", sheet_name="状态", dtype=str)print(df["状态"].tolist())# ['TRUE', 'FALSE', nan, nan, nan]

注意 dtype=str 只关住布尔识别，关不了 NA，"NA"、"null"、"None" 依然是 NaN，得另外关：

df = pd.read_excel("demo.xlsx", sheet_name="状态",                   dtype=str, keep_default_na=False)print(df["状态"].tolist())# ['TRUE', 'FALSE', 'NA', 'null', 'None']

两个参数都要设置才能解决这个问题。

read_excel 里还有 true_values、false_values，看着像是用来关掉布尔识别的，其实默认 None，作用是额外指定哪些值算布尔。实测设成不相关值 "TRUE" 照样被转。

dtype=str 保住的是读出来的写法，不是来源。实测同一列里：Excel 真布尔 True 读出来 'True'，文本 "TRUE" 读出来 'TRUE'、文本 "true" 读出来 'true'，写法不同还能认。但文本 "True" 读出来也是 'True'，跟真布尔一模一样，光看值分不出来。要判断原始类型只能用 openpyxl，它返回的是 bool 和 str。

整行空的行会自己消失

上一节那张 NA 词表管的是"单元格里写了什么"，还有一种是整行都没值，这行的下场是自己消失。

df = pd.read_excel("demo.xlsx", sheet_name="空行")print(df)print(df.shape)

     甲    10  NaN  2.01  NaN  NaN2    乙  4.0(3, 2)

原表 4 行读进来 3 行，没有提示。第 0 行只有"甲"是空、另一个单元格有值，被留下了；被删的那行两个字都空。

这里还藏着一个变化：数值列的 1 变成 2.0，因为 NaN 是浮点，int64 放不下，只能把整列升级成 float64。

想救回那行，第一反应是关 na_filter。实测没用：

df = pd.read_excel("demo.xlsx", sheet_name="空行", na_filter=False)print(df.shape, df.dtypes.to_dict())# (3, 2) {'甲': <StringDtype(na_value=nan)>, 1: dtype('O')}

行数还是 3，代价还大：数值列从 float64 掉成 object，2 变字符串 '2'。na_filter 和 keep_default_na 都只管词表匹配，跟"整行空"是两套逻辑。

拿 openpyxl 直接读同一个文件，4 行都在，说明这行是进到 pandas 之后才丢的。再试 header=None：

df = pd.read_excel("demo.xlsx", sheet_name="空行", header=None)print(df)print(df.shape)

     0    10    甲  1.01  NaN  2.02  NaN  NaN3    乙  4.0(4, 2)

4 行全回来了。代价是列名变成 0、1，因为 header 的工作也交给你了，得自己补 names=["材料", "数量"]。

另外一个实测出来的边界：丢的其实只是末尾的整行空。同样一张表，空行夹在中间能留住：

空行在中间   ['h1', 'h2'] + 3 行数据 -> shape (3, 2)，空行还在空行在末尾   ['h1', 'h2'] + 3 行数据 -> shape (2, 2)，直接没了

末尾空行多半是 Excel 里多敲出来的，pandas 帮你清了，这个行为不算坏事。中间那个才是要注意的，它会被当成一行正常数据留下来。

parse_dates 默认不解析日期

parse_dates 默认 False。关键不是"不解析"，而是日期的类型由 Excel 文件本身决定，不由 pandas 决定。同一张表里放两个看着一样的日期，一个真日期格式，一个文本：

df = pd.read_excel("demo.xlsx", sheet_name="日期")print(df.dtypes.to_dict())print(repr(df["真日期"].iloc[0]), "|", repr(df["假日期"].iloc[0]))

{'真日期': dtype('<M8[us]'), '假日期': <StringDtype(na_value=nan)>}Timestamp('2026-10-08 00:00:00') | '2026-10-08'

这两列在 Excel 里长得一样，在 pandas 里一个是时间类型、一个是字符串类型。字符串那列上 df["假日期"].dt.year 会直接抛 AttributeError: Can only use .dt accessor with datetimelike values，不是返回空值，也不会自动转。

要统一得指名道姓写 parse_dates=["假日期"]：

df = pd.read_excel("demo.xlsx", sheet_name="日期", parse_dates=["假日期"])print(df.dtypes.to_dict())print(df["假日期"].dt.year.tolist())# {'真日期': dtype('<M8[us]'), '假日期': dtype('<M8[us]')}# [2026, 2026]

parse_dates 收列名列表，也可以给列序号 [1]。这里容易踩的是写成 parse_dates=True，以为能让 pandas 自动找出所有日期列。实测没这个效果：

df = pd.read_excel("demo.xlsx", sheet_name="日期", parse_dates=True)print(df.dtypes.to_dict())# {'真日期': dtype('<M8[us]'), '假日期': <StringDtype(na_value=nan)>}

查了文档，True 的语义是"试着解析索引"，不是解析所有列。这个跟 read_csv 不一样，两边参数重名、行为不同。

需要格外注意的是：parse_dates 遇到解析不了的值会整列放弃，我们往日期列里混一个"待定"，然后测试一下效果：

df = pd.read_excel("demo.xlsx", sheet_name="待定日期", parse_dates=["日期"])print(df["日期"].dtype)

整列返回字符串，不报错也不提示，只有 dtype 变了。这种情况就得等读完后，自己手动转，让坏值显式变成 NaT：

df["日期"] = pd.to_datetime(df["日期"], errors="coerce")# [Timestamp('2026-10-08 00:00:00'), NaT, Timestamp('2026-10-09 00:00:00')]

格式不标准（比如 08/10/2026 这种）使用同样的方法解决，文档里建议就是 pd.to_datetime 事后处理。

sheet_name 默认是 0，只读第一个工作表

sheet_name 默认是 0，读第一个工作表。本次测试文件demo.xlsx 中有 9 张表，read_excel 只返回了第一个，其余的都被静默忽略了：

df = pd.read_excel("demo.xlsx")print(list(df.columns), df.shape)

要拿全部需要在读取时设置 sheet_name=None参数，其返回一个字典，然后再另行处理：

dfs = pd.read_excel("demo.xlsx", sheet_name=None)print(type(dfs).__name__, list(dfs.keys()))# dict ['报价单', '工号', '混类型', '状态', '空行', '日期', '待定日期', '汇总', '明细']

结尾

这 5 个默认值不是设计失误，都是合理默认，问题是"默认"意味着你把决定权交出去了。采用默认值，pandas 猜的依据是"大多数 Excel 长什么样"，不一定适配你的表格。

不改参数不是省事，是把 5 个决定交给了不认识你数据的库。把默认值写全，读一张不规整的表大概是这样：

df = pd.read_excel("demo.xlsx", sheet_name="报价单", header=2,                   dtype={"数量": "Int64"}, keep_default_na=True)print(df.dtypes.to_dict())

{'供应商': <StringDtype(na_value=nan)>, '物料': <StringDtype(na_value=nan)>, '单价': dtype('float64'), '数量': Int64Dtype()}

数量列指定成 Int64 后，空值就不再强制把整列变成 float。

下次在读取 Excel时，先别急着跑聚合，下看一眼 dtypes。