一、引言
在数据分析和处理中，经常需要从 Excel 文件中读取数据。Python 提供了多种库来实现这个功能，本文将深入探讨使用 pandas、openpyxl 和 xlrd 库读取 Excel 文件的高级技巧和代码实现。
二、使用 pandas 库读取 Excel 文件
pandas 是 Python 中强大的数据处理库，提供了方便的函数来读取 Excel 文件。
import pandas as pd
# 读取 Excel 文件
df = pd.read_excel('example.xlsx')
# 打印数据框的前几行
print(df.head())
三、使用 openpyxl 库读取 Excel 文件
openpyxl 是一个用于处理 Excel 2010 xlsx/xlsm/xltx/xltm 文件的 Python 库。
from openpyxl import load_workbook
# 加载工作簿
wb = load_workbook('example.xlsx')
# 获取工作表
sheet = wb.active
# 遍历工作表中的数据
for row in sheet.iter_rows():
for cell in row:
print(cell.value)
四、使用 xlrd 库读取 Excel 文件
xlrd 是一个用于读取 Excel 文件的 Python 库，但它不支持 xlsx 文件格式，只支持 xls 文件格式。
import xlrd
# 打开 Excel 文件
workbook = xlrd.open_workbook('example.xls')
# 获取工作表
sheet = workbook.sheet_by_index(0)
# 遍历工作表中的数据
for row_index in range(sheet.nrows):
row_data = sheet.row_values(row_index)
print(row_data)
五、处理复杂的 Excel 格式
在实际应用中，Excel 文件可能具有复杂的格式，如合并单元格、数据验证等。我们可以使用相应的库来处理这些情况。
# 使用 openpyxl 处理合并单元格
from openpyxl import load_workbook
wb = load_workbook('example.xlsx')
sheet = wb.active
merged_cells = sheet.merged_cells.ranges
for merged_cell in merged_cells:
min_row, min_col, max_row, max_col = merged_cell.min_row, merged_cell.min_col, merged_cell.max_row, merged_cell.max_col
top_left_cell_value = sheet.cell(row=min_row, column=min_col).value
for row in range(min_row, max_row + 1):
for col in range(min_col, max_col + 1):
sheet.cell(row=row, column=col).value = top_left_cell_value
六、性能优化
当处理大型 Excel 文件时，性能可能成为一个问题。我们可以采取一些优化措施，如分块读取、只读取需要的列等。
# 使用 pandas 分块读取 Excel 文件
import pandas as pd
chunk_size = 1000 # 每次读取的行数
reader = pd.read_excel('large_file.xlsx', chunksize=chunk_size)
for chunk in reader:
# 在这里处理每一块数据
print(chunk)
本文部分代码转自：https://www.wodianping.com/app/2024-10/40486.html