Python中pandas、openpyxl和xlrd读取Excel的区别与选择

在Python中处理Excel表格时，很多开发者经常在 pandas、openpyxl 和 xlrd 之间产生困惑：为什么有的库读 .xlsx 会报错？为什么有时候读取几个文件内存就飙升？结论先明确：做数据清洗与表格统计首选 pandas；需要精细控制单元格样式、修改已有公式或用流式模式读取超大 .xlsx 文件时选 openpyxl；只有在必须读取遗留的旧版二进制 .xls 文件时，才针对性地使用 xlrd。 搞清楚这三者的分工与边界，能帮你省去大量排错与调优时间。

一、底层架构与协作关系：上层抽象与驱动引擎

许多初学者容易产生一个认知误区，以为 pandas、openpyxl 和 xlrd 是三个完全平行的替代工具。实际上，pandas 处于更高的抽象层，而 openpyxl 和 xlrd 则是专门的底层文件格式解析器。

pandas 本身并不包含直接解析 Excel 二进制流或解压 OpenXML 架构的代码。当调用 pandas.read_excel() 时，它是在后台根据文件扩展名或显式传入的 engine 参数，将文件分发给底层的专业引擎读取，最后再将原始行列表封装为高效分析用的 DataFrame 数据结构。

二、格式兼容性与版本断代：为什么 xlrd 不能直接读 .xlsx？

在查阅网络旧资料时，经常会看到推荐用 xlrd 读取所有 Excel 文件的教程。但如果在当前环境下运行，常常会遇到如下报错：

XLRDError: Excel xlsx file; not supported

这是因为 xlrd 在 2020 年发布了 2.0.0 正式版。官方鉴于 .xlsx 文件本质是由 ZIP 压缩包和若干 XML 组成的复杂结构，存在潜藏的 XML 实体注入（XXE）等安全风险，同时社区已有成熟的 openpyxl 库，因此决定主动移除所有对 .xlsx 的支持，未来仅作为旧版二进制 .xls（BIFF8 协议）的专用只读库。

三、实操演练：三者的典型读取代码与参数差异

为了让不同场景的操作更加清晰，我们从依赖安装、代码实现到关键参数逐一演示。

1. pandas 读取示例：分析场景的标准范式

日常大部分表格数据处理，推荐直接使用 pandas。代码精简，类型自动转换：

import pandas as pd

# 示例：读取现代 .xlsx 文件（显式指定 engine='openpyxl'）
df_xlsx = pd.read_excel('sales_data.xlsx', sheet_name='Sheet1', engine='openpyxl')

# 示例：读取旧版 .xls 文件（显式指定 engine='xlrd'）
df_xls = pd.read_excel('legacy_report.xls', sheet_name=0, engine='xlrd')

# 快速查看表格形状与前 5 行
print("数据维度：", df_xlsx.shape)
print(df_xlsx.head())

2. openpyxl 读取示例：处理公式与流式大文件

当需要保留单元格格式，或 Excel 包含十万行以上导致内存吃紧时，使用 openpyxl 的只读模式：

from openpyxl import load_workbook

# 模式 A：普通模式读取（data_only=True 获取计算结果，False 获取公式本身）
wb = load_workbook('financial_model.xlsx', data_only=True)
sheet = wb['Balance']
cell_val = sheet['B4'].value
print("B4 单元格数值：", cell_val)
wb.close()

# 模式 B：针对超大文件的只读流式模式（read_only=True，极低内存消耗）
wb_stream = load_workbook('massive_log.xlsx', read_only=True)
stream_sheet = wb_stream.active

for row in stream_sheet.iter_rows(values_only=True):
    # 逐行迭代生成器，不把整张表一次性载入内存
    if row[0] is not None:
        pass # 处理单行数据

wb_stream.close()

3. xlrd 读取示例：旧版 .xls 纯只读提取

如果历史系统仅能导出 .xls，且你不想引入 pandas 这么庞大的依赖，可以用原生 xlrd：

import xlrd

# 打开旧版 .xls 工作簿
workbook = xlrd.open_workbook('old_system_export.xls')
sheet = workbook.sheet_by_index(0)

print(f"总行数: {sheet.nrows}, 总列数: {sheet.ncols}")
for row_idx in range(min(5, sheet.nrows)):
    print(sheet.row_values(row_idx))

四、选型决策指南：如何根据实际需求做出选择？

面对具体业务场景，究竟该选哪一个？我们可以根据业务目标绘制出清晰的决策路径：

五、常见避坑事项与排错建议

在日常开发过程中，还有以下几个非常容易让人踩坑的技术细节：