Python用pandas读取Excel全攻略

本篇文章给大家分享《Python用pandas读取Excel详解》，覆盖了文章的常见基础知识，其实一个语言的全部知识点一篇文章是不可能说完的，但希望通过这些问题，让读者对自己的掌握程度有一定的认识(B 数)，从而弥补自己的不足，更好的掌握它。

pandas读取Excel最常用pd.read_excel()，写入用df.to_excel()；需注意引擎依赖（如openpyxl、xlrd）、参数设置（sheet_name、skiprows、dtype等）及大文件优化策略。

用pandas读取Excel文件最常用的方法是pd.read_excel()，写入则用df.to_excel()。关键在于参数设置和常见格式兼容性，不是所有Excel文件都能直接打开。

读取Excel：核心参数与常见问题

基础用法：df = pd.read_excel("data.xlsx")。默认读取第一个工作表（sheet），但实际中需注意：

• 指定工作表：用sheet_name=0（索引）、"Sheet1"（名称）或None（读取全部，返回字典）
• 跳过行/设置标题：用skiprows=2跳过前两行，header=1表示第1行（0起始）为列名
• 处理空值与数据类型：用na_values=["N/A", "NULL"]自定义缺失值标识；用dtype={"ID": str}强制列类型，避免数字自动转int后丢前导零
• 大文件优化：加usecols="A:C"或[0, 1, 3]只读需要的列，大幅提速

写入Excel：保存多表与样式控制

df.to_excel("output.xlsx", index=False)是最简写法。进阶操作包括：

• 写入多个工作表：需用pd.ExcelWriter上下文管理器，例如：

  with pd.ExcelWriter("report.xlsx") as writer:
    df1.to_excel(writer, sheet_name="汇总", index=False)
    df2.to_excel(writer, sheet_name="明细", index=False)

• 不覆盖已有文件：mode="a"（追加模式）仅支持.xlsx，且需配合engine="openpyxl"
• 冻结首行/列、调整列宽：需借助openpyxl引擎，在写入后操作工作表对象，pandas本身不支持样式

依赖与格式支持说明

pandas本身不解析Excel，靠底层引擎：

• xlsx/xlsm文件：推荐openpyxl（安装：pip install openpyxl），支持读写、公式、图表
• xls文件（旧版）：必须用xlrd（注意：v2.0+仅支持xls，不支持xlsx；如需兼容，降级到xlrd==1.2.0或改用openpyxl）
• 无引擎报错：提示"Missing optional dependency 'openpyxl'"时，按需安装对应包即可

替代方案：超大文件或纯数值场景

如果Excel文件超10万行、内存吃紧，或只需读数值（无格式/公式）：

• 用csv中转：Excel另存为CSV，再用pd.read_csv()，速度更快、内存更省
• 用openpyxl或xlrd原生读取单元格值，适合做精细定位（如读特定坐标、合并单元格逻辑）
• 用pyxlsb读取.xlsb二进制格式（微软内部格式，体积小、加载快）

今天带大家了解了的相关知识，希望对你有所帮助；关于文章的技术知识我们会一点点深入介绍，欢迎大家关注golang学习网公众号，一起学习编程~