Python读取Excel选哪个库？pandas、openpyxl与xlrd对比

一、底层定位与格式支持差异

在探讨如何选择之前，必须先理清 Excel 常见文件格式的物理本质。平时接触的 Excel 文件主要有两类：一种是拓展名为 .xlsx 的现代工作簿，另一种是老旧的 .xls 格式。这两者在底层存储架构上存在根本差异：

• .xlsx 格式（Excel 2007 至今）：本质是一个基于 OpenXML 标准的 ZIP 压缩包，内部包含多个记录工作表、单元格、样式和关系的 XML 文本文件。
• .xls 格式（Excel 97-2003）：是微软早期的专有二进制文件格式，遵循 BIFF8（Binary Interchange File Format）规范。

正因为物理结构的根本不同，Python 社区针对不同格式和需求分化出了不同的库：

1. xlrd：专注于旧版 .xls 的轻量读取器

xlrd 是 Python 早期处理 Excel 最成熟的工具之一。它的优势在于解析底层 BIFF 二进制字节流非常迅速，且内存开销极小。但需要特别注意的是它的版本分水岭：

2. openpyxl：现代 .xlsx 格式的事实标准

openpyxl 是目前 Python 生态中处理 .xlsx 和 .xlsm 最主流的纯 Python 库。它完整实现了 OpenXML 规范，不仅能读取表格里的纯文本和数值，还能完整读取单元格背景色、字体边框、数字格式（例如货币或日期）、公式原文以及图表元数据。同时，openpyxl 具备完整的读写能力，既可以读取也能在原表基础上修改并回存。

3. pandas：面向数据分析与处理的高级抽象

pandas 并不是一个底层的 Excel 解析器。当调用 pandas.read_excel() 时，pandas 实际上是在上层充当“指挥调度”的角色：它会根据文件后缀或显式指定的 engine 参数，去调用底层的解析引擎（默认对 .xlsx 调用 openpyxl，对 .xls 调用 xlrd）。读取完成后，pandas 将离散的单元格组织成高度结构化的 DataFrame，便于后续执行求和、筛选、透视和关联等操作。

二、读取代码示例与执行流程对比

为了直观感受三个库在实际代码中的交互习惯与结果形态，下面分别演示读取同一个示例文件的具体实现。

1. 使用 openpyxl 读取 .xlsx 文件

openpyxl 面向的是工作簿（Workbook）、工作表（Worksheet）和单元格（Cell）的树状对象模型。如果需要遍历读取数据，通常使用 iter_rows() 方法：

from openpyxl import load_workbook

# 加载工作簿
wb = load_workbook(filename="sales_data.xlsx", data_only=True)
ws = wb.active  # 获取当前活跃的工作表

# 逐行读取单元格纯值 (values_only=True 直接返回数值而非 Cell 对象)
data_rows = []
for row in ws.iter_rows(values_only=True):
    data_rows.append(row)

print(f"读取到的表头: {data_rows[0]}")
print(f"数据总行数: {len(data_rows) - 1}")

参数说明： data_only=True 表示遇到公式单元格时读取公式计算后的缓存值，若为 False 则读取公式字符串（如 =SUM(C2:C10)）。

2. 使用 pandas 读取表格为 DataFrame

如果不需要单元格颜色和边框，只希望快速把表格转为数据分析格式，pandas 只需一行代码：

import pandas as pd

# 一键将 Excel 表格读入 DataFrame
df = pd.read_excel(
    io="sales_data.xlsx",
    sheet_name="Sheet1",
    engine="openpyxl"  # 明确指定底层解析引擎
)

# 直接查看数据前3行与基本统计
print(df.head(3))
print(f"平均单价: {df['单价'].mean():.2f}")

3. 使用 xlrd 读取历史 .xls 文件

对于老旧系统导出的 .xls 文件，xlrd 是最稳定高效的工具：

import xlrd

# 打开旧版二进制文件
book = xlrd.open_workbook("legacy_report.xls")
sheet = book.sheet_by_index(0)  # 按索引选取工作表

print(f"表格总行数: {sheet.nrows}, 总列数: {sheet.ncols}")
# 获取第0行（表头）
headers = [sheet.cell_value(0, col) for col in range(sheet.ncols)]
print(f"表头列名: {headers}")

三、核心特性与性能深度对比

面对具体业务时，往往还要综合衡量内存开销、数据处理能力以及格式保留能力。下表和图表总结了关键维度的横向评测结果：

关于内存开销的关键细节

很多人在读取数十兆甚至上百兆的 .xlsx 文件时会遭遇内存飙升。这是因为 .xlsx 本身经过了 ZIP 高度压缩，解压后其内部的 XML 体积通常会膨胀 5 至 10 倍。如果使用 openpyxl 的普通模式（load_workbook()），库会为每个单元格在内存中实例化一个包含样式、位置、属性的完整 Python 对象，导致内存暴涨数百兆甚至数吉字节。

四、选型决策指南与避坑排查

在了解了三者的特性后，可以通过以下决策路径快速确定最适合当前项目的库：

常见典型应用场景对照

• 场景 1：运营报表批量合并与指标计算。

  手头有数十个分支机构上报的销售表格，需要提取其中的数值列并按地区汇总。明确选 pandas。借助 pd.concat 和 groupby 可以在几行代码内搞定，无需繁琐的双层循环。

• 场景 2：模板化报表处理与样式生成。

  需要在现有的 Excel 模板中填充指定数据，并为异常值标注红色背景，同时保留其他表格中的柱状图。明确选 openpyxl。pandas 会重写整个工作簿并洗掉所有格式，而 openpyxl 能够精准修改目标坐标的单元格。

• 场景 3：维护十年前遗留系统的备份数据。

  从老旧 ERP 或银行接口下载的历史文件均为 .xls 格式。明确选 xlrd，或者使用 pandas.read_excel('file.xls', engine='xlrd')。

开发中常见的报错排查

在实际开发过程中，以下两类报错出现频率最高：

1. 报错信息：ImportError: Missing optional dependency 'openpyxl'. Use pip or conda to install openpyxl.
   发生原因：在调用 pd.read_excel('data.xlsx') 时，虽然安装了 pandas，但当前虚拟环境中缺少默认的底层解析引擎。
   解决方法：执行 pip install openpyxl 补齐依赖即可。
2. 报错信息：xlrd.biffh.XLRDError: Excel xlsx file; not supported
   发生原因：代码中试图用 xlrd 打开 .xlsx 文件，或者在使用 pandas 读取 .xlsx 时误写了 engine='xlrd'。
   解决方法：对于 .xlsx 文件，将 engine 参数替换为 engine='openpyxl'。