Python读取Excel指定Sheet、行或列的方法

在日常数据处理与办公自动化任务中，Excel 文件往往体量庞大且结构复杂，直接全量加载不仅消耗大量内存，还会降低程序执行效率。在 Python 生态中，读取 Excel 指定工作表（Sheet）、特定行或特定列最成熟的解决方案主要有两个：一个是面向数据分析的高阶库 Pandas，另一个是面向单元格底层操作的专用库 Openpyxl。本文将系统讲解这两种工具的具体操作步骤、核心参数配置、坐标索引差异以及大文件读取时的优化策略。

一、环境准备与依赖安装

在开始编写代码前，需要确保运行环境中已安装相关依赖。Pandas 在底层处理现代 .xlsx 格式文件时默认依赖 openpyxl 引擎，因此推荐同时安装这两个库：

pip install pandas openpyxl

安装完成后，建议准备一个具有多个工作表及多种字段的测试文件 data.xlsx，便于对照输出验证切片结果。

二、使用 Pandas 精准读取指定 Sheet、行或列

Pandas 的 pd.read_excel() 函数封装了非常强大的按需加载参数。它能够在将文件读入内存的阶段，直接过滤掉无关的工作表、行或列，极大提高程序性能。

1. 读取指定 Sheet（工作表）

通过参数 sheet_name 可以指定要加载的一个或多个工作表：

• 按工作表名称：传入字符串，例如 sheet_name="销售明细"。
• 按索引顺序：传入从 0 开始的整数，例如 sheet_name=0 读取第一个工作表，sheet_name=1 读取第二个工作表。
• 同时读取多个 Sheet：传入列表，例如 sheet_name=["Sheet1", "Sheet2"] 或 sheet_name=[0, 1]，返回值为一个字典，键为工作表名称或序号，值为对应的 DataFrame。
• 读取全部 Sheet：设置 sheet_name=None，返回包含所有工作表的字典。

2. 读取指定列

通过参数 usecols 可以精准锁定需要的列，避免加载整张表格的无关数据：

• 使用 Excel 列字母：支持单列与区间语法，例如 usecols="A,C,E" 或 usecols="A:C,E"。
• 使用整数列索引：传入列表，例如 usecols=[0, 2, 4]（从 0 开始计数）。
• 使用列名列表：传入包含目标表头名称的列表，例如 usecols=["姓名", "薪资"]。
• 使用函数过滤：传入可调用对象（Callable），例如 usecols=lambda col: "金额" in str(col)。

3. 读取指定行

控制行范围通常结合 skiprows、nrows 以及加载后的切片索引实现：

• 跳过顶部无用行：使用 skiprows=N 跳过文件前 N 行（常用于跳过非结构化说明、大标题）。如果需要跳过指定行号，可传入列表如 skiprows=[0, 2, 5]。
• 限制读取总行数：使用 nrows=M 只读取表头下方的前 M 行有效数据，适合在大文件快速预览或小批量测试。
• 加载后切片：读入后使用 df.iloc[start:end] 进行行切片。例如 df.iloc[10:20] 获取第 11 行至第 20 行数据。

4. 完整 Pandas 切片读取示例

以下代码展示如何组合运用上述参数，从名为 data.xlsx 的表格中，指定读取名为 员工名册 的 Sheet，跳过第 1 行标题，仅获取 姓名、职级、基本薪资 三列，且只提取前 5 条记录：

import pandas as pd

file_path = "data.xlsx"

# 组合读取：指定Sheet、指定列字母、跳过前1行、仅读5行
df = pd.read_excel(
    file_path,
    sheet_name="员工名册",
    skiprows=1,            # 跳过第1行说明
    nrows=5,               # 仅获取5条数据行
    usecols="A,C,D"        # 仅加载 A、C、D 列
)

print("--- Pandas 读取结果 ---")
print(df)
print("\n数据维度 (行, 列):", df.shape)

示例输出：

--- Pandas 读取结果 ---
   员工姓名 当前职级   基本薪资
0    张伟   P6  18500
1    李娜   P5  14000
2    王强   P7  23000
3    刘敏   P5  15000
4    陈杰   P6  19000

数据维度 (行, 列): (5, 3)

三、使用 Openpyxl 逐层定位 Sheet、行与列

当任务不仅是读取数值，还需要保留单元格样式、公式、合并单元格信息，或者面对几百兆的超大 Excel 文件时，openpyxl 是更合适的选择。它以工作簿（Workbook）、工作表（Worksheet）、单元格（Cell）为层级，提供了细粒度的坐标访问能力。

1. 加载工作簿与定位 Sheet

from openpyxl import load_workbook

# 加载工作簿；若只需读取数据，务必设置 data_only=True 以获取公式计算后的值
wb = load_workbook("data.xlsx", data_only=True)

# 方式一：按名称定位 Sheet
ws = wb["员工名册"]

# 方式二：按索引序号定位（0代表第一个工作表）
ws = wb.worksheets[0]

# 获取当前工作簿中所有的 Sheet 名称列表
all_sheets = wb.sheetnames
print("所有工作表:", all_sheets)

2. 定位与读取指定行

Openpyxl 提供了多种按行提取的方式：

• 读取单行：使用数字索引 ws[3] 获取第 3 行的所有单元格元组。
• 遍历行范围（iter_rows）：使用 ws.iter_rows(min_row=2, max_row=6, values_only=True)，直接获取第 2 行至第 6 行的单元格纯数值。

3. 定位与读取指定列

针对列的提取同样直观：

• 读取单列：使用列字母 ws['B'] 获取 B 列的所有单元格元组；若提取列中前几行，可使用切片 ws['B1:B10']。
• 遍历列范围（iter_cols）：使用 ws.iter_cols(min_col=1, max_col=3, min_row=2, max_row=6, values_only=True)，按列迭代获取特定范围的值。

4. 完整 Openpyxl 坐标定位示例

from openpyxl import load_workbook

wb = load_workbook("data.xlsx", data_only=True)
ws = wb["员工名册"]

# 需求：获取第 2 行到第 5 行中，A列（第1列）与 D列（第4列）的数据
extracted_data = []

for row_idx in range(2, 6):
    name = ws.cell(row=row_idx, column=1).value    # A列为column 1
    salary = ws.cell(row=row_idx, column=4).value  # D列为column 4
    extracted_data.append({"姓名": name, "薪资": salary})

print("--- Openpyxl 提取结果 ---")
for item in extracted_data:
    print(item)

示例输出：

--- Openpyxl 提取结果 ---
{'姓名': '张伟', '薪资': 18500}
{'姓名': '李娜', '薪资': 14000}
{'姓名': '王强', '薪资': 23000}
{'姓名': '刘敏', '薪资': 15000}

四、核心机制差异与注意事项

在实际编码中，很多错误源于对底层索引与表头处理逻辑的混淆。理解以下关键差异有助于写出稳健的代码：

1. 坐标体系的根本差异（0-Based vs 1-Based）

这是初学者最容易踩坑的地方：

• Pandas：采用程序员熟悉的 0 基数索引。第一列对应 0，读入 DataFrame 后的第一行索引也是 0。切片遵循 Python 原生规则（前闭后开，[0:3] 仅包含 0、1、2）。
• Openpyxl：采用与 Excel 界面严格一致的 1 基数坐标。第一行是 row=1，第一列是 column=1（即 A 列）。iter_rows(min_row=1, max_row=3) 是全闭区间，会真实输出第 1、2、3 行。

2. 表头（Header）识别机制

pd.read_excel 默认将有效数据的第一行（header=0）识别为列名，不会将其计入数据行。如果你的表格本身没有表头，或者前几行是说明文本，务必显式指定：

• 没有表头：设置 header=None，此时列名会自动变为 0, 1, 2...，避免第一行真实数据被当成列名吞噬。
• 表头位于第 3 行：配合 header=2（0基数），Pandas 会自动跳过前两行并将第 3 行设为列名。

3. 超大文件流式读取（Read-Only 模式）

当 Excel 文件达到几十兆或上百兆时，Pandas 或常规 Openpyxl 会将全部 XML 树解析进内存，容易导致内存溢出（OOM）。针对这种情况，建议使用 Openpyxl 的只读流式模式：

from openpyxl import load_workbook

# 开启 read_only 模式，按需流式读取，内存占用极低且恒定
wb = load_workbook("huge_data.xlsx", read_only=True)
ws = wb["数据记录"]

# 流式迭代读取指定的 1000 到 2000 行
for row in ws.iter_rows(min_row=1000, max_row=2000, values_only=True):
    col_a_val = row[0]  # 第一列值
    col_d_val = row[3]  # 第四列值
    # 执行业务逻辑...

wb.close()  # 只读模式完成后建议显式关闭

五、常见问题与排查方法