pandas、openpyxl与xlrd对比:Python读取Excel该选哪个库
深入对比 Python 读取 Excel 文件的三大主流库:pandas、openpyxl 与 xlrd。分析格式支持、性能差异、功能边界及选型决策路径,帮助开发者根据实际场景快速做出正确选择。
一、三个库的核心定位与分工层级
初学者在使用 Python 操作 Excel 时,常会困惑为什么有时安装了 pandas 还需要装 openpyxl,或者为什么网上老教程里的 xlrd 代码在自己电脑上会报错。理解它们之间的分工关系,是正确选型的前提。
从架构层面来看,pandas 属于上层数据分析框架,本身并不包含直接解析二进制 Excel 文件的底层驱动;它是通过封装底层引擎来完成文件读取的。openpyxl 与 xlrd 则属于底层文件驱动库,直接负责二进制流或 OpenXML 压缩包的解析与序列化。
在上述分工下,三个库的职责界限非常清晰:
- pandas:当你需要对表格数据做切片、过滤、按列运算、透视表汇总或导出到其他数据源时,pandas 能够提供极高的开发效率。它不需要你写循环去逐行逐单元格读取。
- openpyxl:当你需要细粒度地访问单元格对象(例如获取单元格填充色、字体、边框)、修改已有工作表并保留原格式、插入图表,或者处理几百兆无法一次性装入内存的 .xlsx 文件时,openpyxl 是第一选择。
- xlrd:历史悠久的只读库。在 2020 年底发布的 2.0.0 版本中,官方因安全考量与维护成本,移除了对所有非 .xls 格式(包括 .xlsx)的支持。目前它只负责遗留业务中陈旧 .xls 文件的解析。
二、核心维度全面对比
为了更直观地看清三个库的能力边界,我们可以从格式支持、内存表现、读写能力以及依赖复杂度四个维度进行横向对比:
| 对比维度 | pandas | openpyxl | xlrd |
|---|---|---|---|
| 支持文件格式 | .xlsx(依赖 openpyxl)、.xls(依赖 xlrd) | .xlsx、.xlsm、.xltx、.xltm | .xls(2.0+ 仅支持该格式) |
| 读写能力 | 读写兼备(写需 openpyxl/xlsxwriter) | 读写兼备(可修改已有工作簿) | 仅支持读取(写入需配合 xlwt) |
| 样式与格式支持 | 仅提取纯文本与数值,忽略单元格样式 | 完整支持字体、边框、填充、批注、合并单元格 | 可提取部分字体与对齐,但不支持写入 |
| 大文件内存表现 | 数据一次性加载为 DataFrame,内存消耗较大 | 常规模式内存开销大;支持 read_only=True 流式读取 |
内存开销较小,但在超大文件下仍受限制 |
| 数据清洗与统计能力 | 极高(拥有丰富的矢量化计算与聚合函数) | 低(需通过原生 Python 循环处理) | 低(仅提供基础坐标单元格提取) |
xlrd.open_workbook("data.xlsx")。如果在当前的 Python 环境中运行,会直接抛出异常:xlrd.biffh.XLRDError: Excel xlsx file; not supported这是因为 xlrd 2.0+ 已经完全剥离了 XML 解析逻辑。如果你面对的是 .xlsx 文件,必须使用 openpyxl;绝不要为了运行老代码而把 xlrd 降级到存在安全隐患的 1.2.0。
三、选型决策路径:该选哪个库?
实际开发中,选型并不需要纠结于细节,按照以下三个步骤的决策逻辑,即可迅速锁定最合适的工具。
按照这套路径:
- 格式初筛:拿到待处理文件先看后缀。若是老旧的
.xls,无需尝试 openpyxl,直接装 xlrd(若用 pandas 读取,也要装 xlrd 作为底层 engine)。若是.xlsx,排除 xlrd。 - 目标分流:如果是把 Excel 当作二维数据库或配置表读取,后续全部是数据计算或存入数据库,直接用
pandas.read_excel(),几行代码就能完成类型推断与缺失值处理。如果需要保留模板格式、追加单元格公式,或者修改某些单元格颜色后再保存,使用openpyxl。 - 体量权衡:如果
.xlsx文件超过数十万行(体积达数百兆),pandas 和常规模式下的 openpyxl 都会将整个 DOM 树展开在内存中,导致内存暴涨。此时应采用openpyxl.load_workbook(..., read_only=True)进行按行生成器迭代。
四、操作步骤与代码实现规范
在实际编写代码前,必须确保相关环境已经正确安装。下面演示各库的标准调用方式以及容易忽略的配置。
1. pandas 读取示例
pandas 最适合需要直接对表格做筛选、计算或合并的场景。通过显式指定 engine="openpyxl",可以保证环境行为的可预期性。
# 必要环境准备: pip install pandas openpyxl
import pandas as pd
file_path = "sales_report.xlsx"
# 读取首个工作表,指定前两列,将“订单编号”作为字符串防止丢失前导0
df = pd.read_excel(
file_path,
sheet_name=0,
usecols=["订单编号", "销售额", "成交日期"],
dtype={"订单编号": str},
engine="openpyxl"
)
# 示例输出处理
print("数据前 5 行预览:")
print(df.head())
print("\n销售额总计:", df["销售额"].sum())
2. openpyxl 读取与大文件流式示例
如果你需要获取公式计算后的值而非公式文本本身,务必设置 data_only=True。如果文件非常大,使用 read_only=True 可以显著降低内存占用。
# 必要环境准备: pip install openpyxl
from openpyxl import load_workbook
file_path = "large_dataset.xlsx"
# read_only=True: 启用只读流式模式,逐行解析,极低内存消耗
# data_only=True: 提取公式计算后的缓存值,而非公式字符(如 '=SUM(A1:A10)')
wb = load_workbook(filename=file_path, read_only=True, data_only=True)
sheet = wb.active
# 遍历前 10 行并打印单元格值
for row_idx, row in enumerate(sheet.iter_rows(values_only=True), start=1):
print(f"第 {row_idx} 行数据:", row)
if row_idx >= 10:
break
# 只读模式下必须手动关闭工作簿以释放文件句柄
wb.close()
3. xlrd 读取遗留 .xls 文件示例
当且仅当处理老旧系统的导出文件(.xls 格式)时使用 xlrd。
# 必要环境准备: pip install xlrd
import xlrd
legacy_file = "legacy_data_2003.xls"
workbook = xlrd.open_workbook(legacy_file)
sheet = workbook.sheet_by_index(0)
print(f"工作表名称: {sheet.name}, 总行数: {sheet.nrows}, 总列数: {sheet.ncols}")
# 读取前 5 行数据
for row_idx in range(min(5, sheet.nrows)):
row_values = sheet.row_values(row_idx)
print(f"行 {row_idx}: {row_values}")
五、选型总结与速查清单
为了在项目启动或技术评审时快速统一团队标准,我们将三者的适用场景与关键限制提炼成以下速查卡片:
归结为一句话:新项目无脑选 openpyxl(读写与格式兼顾)或搭配 pandas(专注数据清洗);仅当面对历史陈旧系统遗留的 .xls 文件时,才调出 xlrd 补足短板。
免责声明:本文内容仅供参考,不代表本站观点。转载或引用请注明出处。









