excel_reading.md

Excel 文件读取

⚠️ 使用本文档前请注意：本文档应在实际处理 Excel 文件之前阅读，以了解正确的 pandas 读取方法。请配合 excel_analysis.md 一起使用。

使用 pandas 读取 Excel 文件的核心方法。

快速入门

最常用的读取方式：

import pandas as pd

# 读取第一个工作表（或指定工作表）
df = pd.read_excel("data.xlsx", sheet_name="Sheet1")

# 只读取前几行查看结构
df_preview = pd.read_excel("data.xlsx", nrows=10)

# 只读取需要的列（提高性能）
df = pd.read_excel("data.xlsx", usecols=["列1", "列2", "列3"])

读取单个工作表

import pandas as pd

# 读取指定工作表
df = pd.read_excel("data.xlsx", sheet_name="Sheet1")

# 查看前几行
print(df.head())

# 基本统计信息
print(df.describe())

读取整个工作簿的所有工作表

import pandas as pd

# 读取所有工作表
excel_file = pd.ExcelFile("workbook.xlsx")

for sheet_name in excel_file.sheet_names:
    df = pd.read_excel(excel_file, sheet_name=sheet_name)
    print(f"\n{sheet_name}:")
    print(df.head())

读取特定列

import pandas as pd

# 只读取指定列（提高性能）
df = pd.read_excel("data.xlsx", usecols=["column1", "column2", "column3"])

性能优化选项

• 使用 usecols 只读取需要的列
• 使用 dtype 参数指定列类型以加快读取速度
• 根据文件类型选择合适的引擎：engine='openpyxl' 或 engine='xlrd'

处理大文件

对于非常大的 Excel 文件，避免一次性读取整个文件：

• 使用 nrows 参数限制读取的行数
• 先读取前若干行了解数据结构
• 按需分批处理数据