新版本的Pandas使用以下接口加载Excel文件：
read_excel('path_to_file.xls', 'Sheet1', index_col=None, na_values=['NA'])
但是如果我不知道可用的表格怎么办？
例如，我正在使用以下表格的 Excel 文件
数据 1、数据 2 ...、数据 N、foo、bar
但我不知道
N有没有办法从 Pandas 的 Excel 文档中获取工作表列表？
您应该明确指定第二个参数（sheetname）为None。像这样：
df = pandas.read_excel("/yourPath/FileName.xlsx", None);
“df”都是作为 DataFrame 字典的工作表，您可以通过运行以下命令来验证它：
df.keys()
结果是这样的：
[u'201610', u'201601', u'201701', u'201702', u'201703', u'201704', u'201705', u'201706', u'201612', u'fund', u'201603', u'201602', u'201605', u'201607', u'201606', u'201608', u'201512', u'201611', u'201604']
请参阅 pandas 文档了解更多详细信息：https://pandas.pydata.org/pandas-docs/stable/ generated/pandas.read_excel.html
从 Excel（xls.、xlsx）检索工作表名称的最简单方法是：
tabs = pd.ExcelFile("path").sheet_names
print(tabs)
然后读取并存储特定工作表的数据（例如工作表名称为“Sheet1”、“Sheet2”等），例如“Sheet2”：
data = pd.read_excel("path", "Sheet2")
print(data)
这是我发现的最快的方法，灵感来自@divingTobi 的答案。所有基于 xlrd、openpyxl 或 pandas 的答案对我来说都很慢，因为它们都首先加载整个文件。
from zipfile import ZipFile
from bs4 import BeautifulSoup # you also need to install "lxml" for the XML parser
with ZipFile(file) as zipped_file:
summary = zipped_file.open(r'xl/workbook.xml').read()
soup = BeautifulSoup(summary, "xml")
sheets = [sheet.get("name") for sheet in soup.find_all("sheet")]
#It will work for Both '.xls' and '.xlsx' by using pandas
import pandas as pd
excel_Sheet_names = (pd.ExcelFile(excelFilePath)).sheet_names
#for '.xlsx' use only openpyxl
from openpyxl import load_workbook
excel_Sheet_names = (load_workbook(excelFilePath, read_only=True)).sheet_names
如果你：
以下是在 ~10Mb
xlsxxlsbxlsx, xlsfrom openpyxl import load_workbook
def get_sheetnames_xlsx(filepath):
wb = load_workbook(filepath, read_only=True, keep_links=False)
return wb.sheetnames
基准： ~ 14 倍速度提升
# get_sheetnames_xlsx vs pd.read_excel
225 ms ± 6.21 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
3.25 s ± 140 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
xlsbfrom pyxlsb import open_workbook
def get_sheetnames_xlsb(filepath):
with open_workbook(filepath) as wb:
return wb.sheets
基准测试： ~ 速度提升 56 倍
# get_sheetnames_xlsb vs pd.read_excel
96.4 ms ± 1.61 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
5.36 s ± 162 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
备注：
xlrd我尝试过 xlrd、pandas、openpyxl 和其他此类库，随着读取整个文件，文件大小增加，所有这些库似乎都需要指数时间。上面提到的使用“on_demand”的其他解决方案对我来说不起作用。如果您只想首先获取工作表名称，以下函数适用于 xlsx 文件。
def get_sheet_details(file_path):
sheets = []
file_name = os.path.splitext(os.path.split(file_path)[-1])[0]
# Make a temporary directory with the file name
directory_to_extract_to = os.path.join(settings.MEDIA_ROOT, file_name)
os.mkdir(directory_to_extract_to)
# Extract the xlsx file as it is just a zip file
zip_ref = zipfile.ZipFile(file_path, 'r')
zip_ref.extractall(directory_to_extract_to)
zip_ref.close()
# Open the workbook.xml which is very light and only has meta data, get sheets from it
path_to_workbook = os.path.join(directory_to_extract_to, 'xl', 'workbook.xml')
with open(path_to_workbook, 'r') as f:
xml = f.read()
dictionary = xmltodict.parse(xml)
for sheet in dictionary['workbook']['sheets']['sheet']:
sheet_details = {
'id': sheet['@sheetId'],
'name': sheet['@name']
}
sheets.append(sheet_details)
# Delete the extracted files directory
shutil.rmtree(directory_to_extract_to)
return sheets
由于所有 xlsx 基本上都是压缩文件，因此我们提取底层 xml 数据并直接从工作簿中读取工作表名称，与库函数相比，这只需几分之一秒的时间。
基准测试：（在包含 4 张的 6mb xlsx 文件上）
熊猫，xlrd： 12 秒
openpyxl： 24 秒
建议方法： 0.4 秒
由于我的要求只是读取工作表名称，因此整个时间读取的不必要的开销困扰着我，所以我改用了这条路线。
基于@dhwanil_shah 的答案，您不需要提取整个文件。使用
zf.openimport xml.etree.ElementTree as ET
import zipfile
def xlsxSheets(f):
zf = zipfile.ZipFile(f)
f = zf.open(r'xl/workbook.xml')
l = f.readline()
l = f.readline()
root = ET.fromstring(l)
sheets=[]
for c in root.findall('{http://schemas.openxmlformats.org/spreadsheetml/2006/main}sheets/*'):
sheets.append(c.attrib['name'])
return sheets
连续的两个
readline此解决方案似乎比
read_excel如果你阅读Excel文件
dfs = pd.ExcelFile('file')
然后使用
dfs.sheet_names
dfs.parse('sheetname')
另一种变体
df = pd.read_excel('file', sheet_name='sheetname')
from openpyxl import load_workbook
sheets = load_workbook(excel_file, read_only=True).sheetnames
对于我正在使用的 5MB Excel 文件，没有
load_workbookread_onlyread_only使用 load_workbook readonly 选项，之前看到的明显等待很多秒的执行在毫秒内发生了。然而，该解决方案仍然可以改进。
import pandas as pd
from openpyxl import load_workbook
class ExcelFile:
def __init__(self, **kwargs):
........
.....
self._SheetNames = list(load_workbook(self._name,read_only=True,keep_links=False).sheetnames)
Excelfile.parse 所需的时间与读取完整 xls 的时间相同，约为 10 秒。此结果是使用以下软件包版本的 Windows 10 操作系统获得的
C:\>python -V
Python 3.9.1
C:\>pip list
Package Version
--------------- -------
et-xmlfile 1.0.1
numpy 1.20.2
openpyxl 3.0.7
pandas 1.2.3
pip 21.0.1
python-dateutil 2.8.1
pytz 2021.1
pyxlsb 1.0.8
setuptools 49.2.1
six 1.15.0
xlrd 2.0.1
import pandas as pd
path = "\\DB\\Expense\\reconcile\\"
file_name = "202209-v01.xlsx"
df = pd.read_excel(path + file_name, None)
print(df)
sheet_names = list(df.keys())
# print last sheet name
print(sheet_names[len(sheet_names)-1])
last_month = df.get(sheet_names[len(sheet_names)-1])
print(last_month)
如果使用
pd.read_excel()sheet_name=Nonenrows=0对包含九张纸的 8MB XLSX 文件进行基准测试：
%timeit pd.read_excel('foo.xlsx', sheet_name=None, nrows=0).keys()
>>> 145 ms ± 50.4 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
%timeit pd.read_excel('foo.xlsx', sheet_name=None).keys()
>>> 16.5 s ± 2.04 s per loop (mean ± std. dev. of 7 runs, 1 loop each)
这利用了这样一个事实：（如您所料）
pandasnrows