python如何读取excel文件(Python读取Excel)

<>

Python读取Excel文件的深度解析

综合评述

Python作为一门强大的编程语言，在处理Excel文件方面展现出极高的灵活性和效率。无论是简单的数据读取，还是复杂的表格操作，Python都能通过多种库实现。常见的库包括openpyxl、pandas、xlrd和xlwt等，每种库各有优劣，适用于不同的场景。

在实际应用中，选择哪种库取决于文件格式、性能需求以及功能复杂度。例如，pandas适合处理大数据量，而openpyxl则更擅长操作.xlsx格式的复杂表格。本文将从八个方面详细解析Python如何读取Excel文件，帮助开发者根据需求选择最佳方案。

一、常用库及其核心功能对比

Python中读取Excel文件的库众多，以下是三个主流库的对比：

库名称	支持格式	读/写能力	性能表现
openpyxl	.xlsx	读写	中等
pandas	.xlsx, .xls	读写	较高（依赖引擎）
xlrd	.xls	仅读	较高（旧版）

从表格中可以看出，openpyxl和pandas的功能较为全面，而xlrd在旧版Excel文件的读取上表现优异。开发者需根据文件格式选择库，例如处理.xlsx文件时优先使用openpyxl。

此外，pandas虽然功能强大，但其依赖其他库（如openpyxl或xlrd）作为引擎，可能增加环境配置的复杂度。而xlrd在2.0版本后放弃了对.xlsx的支持，使用时需注意版本兼容性。

二、文件格式兼容性与版本问题

Excel文件格式主要分为.xls和.xlsx两种，不同库对它们的支持程度不一：

• .xls：传统二进制格式，通常用xlrd读取。


• .xlsx：基于XML的开放格式，推荐使用openpyxl。

以下是不同库对格式支持的具体表现：

库名称	.xls支持	.xlsx支持	备注
xlrd	是	否（2.0+）	需安装1.2.0版本
openpyxl	否	是	不支持加密文件
pandas	是（依赖xlrd）	是（依赖openpyxl）	需同时安装依赖库

在实际项目中，文件格式的兼容性可能成为技术选型的关键因素。例如，历史遗留的.xls文件需搭配xlrd1.2.0版本，而新版.xlsx文件则优先使用openpyxl以避免解析错误。

对于跨版本兼容需求，pandas通过引擎切换提供了统一接口，但其底层仍依赖其他库。开发者需权衡易用性和环境复杂度。

三、基础读取方法与示例代码

以下是三种库的基础读取实现：

• openpyxl示例：
  

  from openpyxl import load_workbook
  wb = load_workbook('example.xlsx')
  sheet = wb.active
  print(sheet['A1'].value)

  
  


• pandas示例：
  

  import pandas as pd
  df = pd.read_excel('example.xlsx')
  print(df.head())

  
  


• xlrd示例：
  

  import xlrd
  book = xlrd.open_workbook('example.xls')
  sheet = book.sheet_by_index(0)
  print(sheet.cell_value(0, 0))

  
  

从代码可见，pandas的接口最为简洁，适合快速数据导入；而openpyxl和xlrd需要逐步操作工作表对象，灵活性更高。性能方面，对于小型文件三者差异不大，但大数据量时pandas的优势更明显。

需要注意的是，openpyxl读取时会加载整个文件到内存，超大型文件可能导致内存溢出。此时可设置read_only=True参数启用流式读取：

wb = load_workbook('large_file.xlsx', read_only=True)

四、大数据量处理优化策略

当处理百万行级别的Excel文件时，常规读取方法可能遇到性能瓶颈。以下是优化方案对比：

优化手段	适用库	内存占用	速度
分块读取	pandas	低	中等
流式读取	openpyxl	最低	慢
转为CSV处理	原生操作	中等	最快

pandas的分块读取通过chunksize参数实现，每次仅加载部分数据：

chunk_iter = pd.read_excel('large.xlsx', chunksize=10000)
for chunk in chunk_iter:
    process(chunk)

而openpyxl的流式模式虽节省内存，但丧失了随机访问能力，仅能顺序读取单元格。极端情况下，可考虑先将Excel导出为CSV，再利用Python的csv模块处理，这对纯数据型任务可能效率最高。

另一个潜在优化点是数据类型转换。pandas在读取时会自动推断列类型，这可能消耗额外时间。通过dtype参数预设类型可提速约15%-30%：

df = pd.read_excel('data.xlsx', dtype='id': 'int32', 'price': 'float64')

五、特殊单元格与格式处理

Excel中的合并单元格、公式和条件格式等特殊元素需要特殊处理：

• 合并单元格：openpyxl可通过merged_cells.ranges获取合并区域


• 公式：默认读取计算结果，openpyxl需设置data_only=False保留公式


• 日期格式：xlrd会返回Excel序列值，需用xldate_as_tuple转换

以下是日期处理的典型示例：

from xlrd import xldate_as_tuple
from datetime import datetime
value = sheet.cell_value(1, 0)
if isinstance(value, float):
    date = datetime(xldate_as_tuple(value, book.datemode))

对于包含复杂格式的单元格（如富文本），多数库仅能获取原始值。若需保留格式信息，openpyxl可访问cell.font、cell.fill等属性，但会显著增加内存使用。

实际项目中，建议先用sheet.max_row和sheet.max_column检查有效数据范围，避免处理空白区域。对于隐藏行列，openpyxl需通过sheet.row_dimensions的hidden属性判断。

六、多工作表与工作簿操作

包含多个工作表的Excel文件需要更精细的控制：

• 获取所有工作表名：openpyxl用wb.sheetnames，xlrd用book.sheet_names()


• 按名称/索引选择表：pandas通过sheet_name参数指定


• 跨表引用：需手动建立多个工作簿对象关联

批量读取多表的典型模式：

with pd.ExcelFile('multi_sheet.xlsx') as xls:
    dfs = sheet: pd.read_excel(xls, sheet_name=sheet) 
           for sheet in xls.sheet_names

对于需要同时读写的情况，openpyxl的copy_worksheet方法可实现表复制。多工作簿操作则需要分别加载文件，注意内存管理。以下方案可减少重复IO：

source = load_workbook('source.xlsx')
target = load_workbook('target.xlsx')
target_sheet = target.create_sheet('Copied')
for row in source.active.iter_rows(values_only=True):
    target_sheet.append(row)

七、异常处理与数据清洗

现实中的Excel文件常包含各种异常情况：

异常类型	检测方法	处理建议
空单元格	cell.value is None	填充默认值或跳过
类型错误	try-catch块	类型转换或记录日志
格式损坏	异常捕获	尝试恢复或使用备用解析器

数据清洗时的实用技巧包括：

• 使用pandas的na_values参数自定义空值标识


• 通过converters参数对特定列进行预处理


• 用skiprows跳过非数据行（如标题注释）

对于国际项目需特别注意编码问题，尤其是.xls文件可能使用本地编码。可在xlrd中指定：

book = xlrd.open_workbook('file.xls', encoding_override='cp1252')

八、与其他数据源的协同处理

Excel数据常需与数据库、API等其他源交互：

• 数据库导入导出：pandas的to_sql和read_sql方法


• JSON转换：利用DataFrame.to_json()实现结构化输出


• 内存处理：通过BytesIO实现文件流操作

将Excel数据写入数据库的完整流程：

import sqlalchemy
df = pd.read_excel('export.xlsx')
engine = sqlalchemy.create_engine('postgresql://user:passhost/db')
df.to_sql('table_name', engine, if_exists='append', index=False)

对于需要动态生成Excel的场景，可结合模板引擎（如Jinja2）先创建基础文件，再用Python填充数据。这在报表系统中尤为常见。

现代数据平台架构中，Excel常作为中间格式。建议在管道中增加校验环节，比如使用pandas的DataFrame.validate或自定义校验规则，确保数据质量。

Python生态提供的Excel处理能力已覆盖绝大多数业务场景。从简单的数据提取到复杂的格式转换，开发者总能找到合适的工具组合。随着数据规模的增长，合理选择库和优化策略将成为关键。未来，随着Apache Arrow等技术的普及，Excel与其他数据格式的互操作性还将进一步增强。

值得注意的是，尽管Python处理Excel功能强大，但对于极端复杂的商业逻辑（如宏编程），仍需借助VBA或专业ETL工具。在实际项目中，建议根据团队技能栈和企业标准进行技术选型，平衡开发效率与运行性能。