无法确定Excel文件格式，必须手动指定引擎

Question

我不确定为什么会收到此错误，尽管有时我的代码工作正常！

Excel file format cannot be determined, you must specify an engine manually.

下面是我的代码和步骤：

1- 客户 ID 列列表：

customer_id = ["ID","customer_id","consumer_number","cus_id","client_ID"]

2-查找文件夹中所有 xlsx 文件并读取它们的代码：

l = [] #use a list and concat later, faster than append in the loop
for f in glob.glob("./*.xlsx"):
    df = pd.read_excel(f).reindex(columns=customer_id).dropna(how='all', axis=1)
    df.columns = ["ID"] # to have only one column once concat
    l.append(df)
all_data  = pd.concat(l, ignore_index=True) # concat all data

我添加了引擎

openpyxl

df = pd.read_excel(f, engine="openpyxl").reindex(columns = customer_id).dropna(how='all', axis=1)

现在我得到了一个不同的错误：

BadZipFile: File is not a zip file

熊猫版本：1.3.0 python版本：python3.9 操作系统：MacOS

有没有更好的方法从文件夹中读取所有 xlsx 文件？

Answer 1

找到了。当 Excel 文件打开时（例如通过 MS Excel 打开），会在同一目录中创建隐藏的临时文件：

~$datasheet.xlsx

因此，当我运行代码从文件夹中读取所有文件时，它给出了错误：

Excel file format cannot be determined, you must specify an engine manually.

当所有文件都关闭并且同一目录中没有隐藏的临时文件

~$filename.xlsx

时，代码可以完美运行。

Answer 2

还要确保您使用正确的

pd.read_*

方法。当我尝试使用

.csv

而不是

read_excel()

打开

read_csv()

文件时，我遇到了此错误。我在here找到了这个方便的代码片段，可以根据 Excel 文件类型自动选择正确的方法。

if file_extension == 'xlsx':
    df = pd.read_excel(file.read(), engine='openpyxl')
elif file_extension == 'xls':
    df = pd.read_excel(file.read())
elif file_extension == 'csv':
    df = pd.read_csv(file.read())

Answer 3

就我而言，我使用了

xlrd

。所以在终端：

pip install xlrd

如果没有安装pandas，请安装它：

pip install pandas

现在这样读取Excel文件：

import pandas as pd

df = pd.read_excel("filesFolder/excelFile.xls", engine='xlrd')

Answer 4

您可以通过检查文件是否以“~”开头来过滤掉不需要的临时文件。

import os

for file in os.listdir(folder path):
    if not file.startswith("~") and file.endswith(".xlsx"):
        print(file)

Answer 5

https://stackoverflow.com/a/32241271/17411729

链接到有关如何删除隐藏文件的答案

Mac = 转到文件夹，按 cmd + shift + 。 将显示隐藏文件，删除它，再运行它。

Answer 6

在 macOS 中，每个文件夹中都会自动生成一个名为“.DS_Store”的“不可见文件”。对我来说，这就是问题的根源。我用 if 语句解决了这个问题，以绕过“不可见文件”（这不是 xlsx，因此会触发错误）

for file in os.scandir(test_folder):
    filename = os.fsdecode(file)
    if '.DS_Store' not in filename:
        execute_function(file)

Answer 7

当我手动将“CSV”后缀更改为“XLS”时，我还收到“Excel 文件格式...”错误。 我所要做的就是打开 Excel 并将其保存为我想要的格式。

Answer 8

看起来这个问题很容易解决。转到您的 Excel 文件，无论是 xls、xlsx 还是任何其他扩展名，然后从文件图标“另存为”。当提示选项时。另存为 CSV UTF-8（逗号分隔）(*.csv)

Answer 9

对我来说，没有像 ~$datasheet.xlsx 这样的临时 Excel 文件。 但是...当我不小心在 Excel 中打开其中一个文件时，不知何故，Excel 使该文件无法使用。 当我再次尝试用Excel打开它时，我意识到了这一点，Excel也无法打开它。 所以我不得不再次获取文件，这解决了问题。

Answer 10

如果您在尝试使用其 URL 从 Google Sheets 读取表格时遇到上述错误，请尝试

read_html

（请注意，

read_html

返回一个列表，因此我们需要对其建立索引以获取数据帧）：

url = "https://docs.google.com/spreadsheets/d/{long-spreadsheet-key}/edit"

df = pd.read_excel(url)           # <--- ValueError: Excel file format...
df = pd.read_html(url)[0]         # <--- OK

另一种可行的方法是导出到 csv（将 URL 修改为 /export 而不是 /edit 并使用

read_csv

）：

url = "https://docs.google.com/spreadsheets/d/{long-spreadsheet-key}/edit"
export_url = url.split("/edit", 1)[0] + "/export?format=csv"
df = pd.read_csv(export_url)