XLRD无法读取多索引列名称

Question

我对多索引列名有疑问。我正在使用XLRD使用json.dumps将excel数据转换为json，但是相反，它仅给我一行列名称。我已经阅读了有关多层json的信息，但我不知道如何使用XLRD来实现。

Here is my sample of table column name

代码示例：

for i in path:
with xlrd.open_workbook(i) as wb:
    print([i])
    kwd = 'sage'
    print(wb.sheet_names())
    for j in range(wb.nsheets):
        worksheet = wb.sheet_by_index(j)
        data = []
        n = 0
        nn = 0
        keyword = 'sage'
        keyword2 = 'adm'
        try:
            skip = skip_row(worksheet, n, keyword)
            keys = [v.value for v in worksheet.row(skip)]
        except:
            try:
                skip = skip_row2(worksheet, nn, keyword2)
                keys = [v.value for v in worksheet.row(skip)]
            except:
                continue
        print(keys)
        for row_number in range(check_skip(skip), worksheet.nrows):
            if row_number == 0:
                continue
            row_data = {}
            for col_number, cell in enumerate(worksheet.row(row_number)):

                row_data[keys[col_number]] = cell.value
            data.append(row_data)
        print(json.dumps({'Data': data}))

哦，每个工作表在列名之前都有不同的编号要跳过，所以这就是我的代码具有跳过行功能的原因。在我跳过该行并找到我的列名的确切位置之后。然后，我开始读取值。但是是的，从我的角度来看，问题出在哪里，因为我有两行列名。而且仍然混淆如何使用XLRD做多级json或至少使用XLRD加入列名（我想不能）。

所需结果多层json：

{ "Data":[{ "ID" : "997", "Tax" : [{"Date" : "9/7/2019", "Total" : 2300, "Grand Total" : 340000"}], "Tax ID" : "ST-000", .... }]}

pss：//我尝试使用熊猫，但是由于我使用大数据，这给我带来了很多麻烦。

Answer 1

您可以在熊猫中使用多重索引，首先需要获取每张纸的标题行索引。

header_indexes = get_header_indexes(excel_filepath, sheet_index) #returns list of header indexes

您需要编写get_header_indexes函数来扫描工作表并返回标头索引。

您可以使用panda从数据框中获取JSON。

import pandas as pd
df = pd.read_excel(excel_filepath, header=header_indexes, sheet_name=sheet_index)
data = df.to_dict(orient="records")

对于多个标头data包含字典列表，每个字典都有元组作为键，您可以根据需要将其重新格式化为最终JSON。

注意：使用chunksize读取大文件。