Excel 文件读写

先装依赖：openpyxl

Excel 是二进制格式，pandas 自己解析不了，需要第三方引擎。读写 .xlsx（Excel 2007+）最常用的是 openpyxl：

pip install openpyxl

常用的引擎对应关系：

• openpyxl：读写 .xlsx / .xlsm，最常用
• xlrd：读老格式 .xls
• xlsxwriter：写 .xlsx，格式功能更强（可选）
• odf：读写 OpenDocument（.ods）
• python-calamine：一个 Rust 写的快速引擎，能读多种格式

不指定 engine 时，pandas 会根据文件扩展名自动选。只要装了 openpyxl，日常的 .xlsx 读写就没问题。

读取：read_excel

基本用法和 read_csv 很接近，多了一个 sheet 的概念：

import pandas as pd

df = pd.read_excel("数据.xlsx")                 # 默认读第一个 sheet
df = pd.read_excel("数据.xlsx", sheet_name="员工表")   # 按名字读
df = pd.read_excel("数据.xlsx", sheet_name=1)   # 按下标读，0 起

sheet_name 的取值规则：

• 整数：第几个 sheet（从 0 开始）
• 字符串：sheet 的名字，如 "Sheet1"
• 列表：读多个 sheet，返回字典，键是 sheet 名
• None：读全部 sheet，同样返回字典

dfs = pd.read_excel("数据.xlsx", sheet_name=["员工表", "工资表"])
print(type(dfs))        # dict
print(dfs["员工表"])     # 每个 sheet 一个 DataFrame

其他参数和 CSV 基本一致，挑常用的看：

df = pd.read_excel("数据.xlsx",
                   sheet_name="员工表",
                   header=0,                  # 第一行是表头
                   index_col="工号",           # 用"工号"列做索引
                   usecols="A:D",             # 只读 A 到 D 列
                   dtype={"年龄": "int64"},    # 指定列类型
                   na_values=["未知"],         # 自定义缺失标记
                   parse_dates=["入职日期"])   # 解析日期列

几点说明：

• usecols 可以写 Excel 风格的 "A:C"，也可以传列名列表 ["姓名", "年龄"]
• parse_dates 把看起来像日期的字符串列转成 datetime64
• 日期列在 Excel 里本身就是日期格式时，pandas 会自动识别，不需要额外配置
• 想跳过开头几行说明文字，用 skiprows

读取时的常见坑：Unnamed 列

Excel 表格不像 CSV 那么”规矩”，第一行经常不是表头而是标题。比如某个文件第一行写着”表格 1”，第二行才是 Name、Age、City。直接读，会出现 Unnamed: 1 这种奇怪的列：

      表格 1 Unnamed: 1   Unnamed: 2
0     Name        Age         City
1    Alice         25     New York

pandas 把第一行当成了表头，真实数据全被挤到了数据区。对策是跳过标题行、指定自己的列名：

df = pd.read_excel("data.xlsx", header=None, skiprows=1,
                   names=["Name", "Age", "City"])
print(df)

另一个坑是合并单元格：合并的区域只有左上角有值，其余位置读进来是 NaN。处理思路是先 fillna 再向下填充（缺失值处理在 §25 细讲），或者让 Excel 端别合并。

多 sheet 的高效姿势：ExcelFile

用 read_excel 连续读多个 sheet，文件会被反复解析。如果只读一次文件、多次取 sheet，用 ExcelFile 更高效：

with pd.ExcelFile("数据.xlsx") as xls:
    print(xls.sheet_names)                     # 所有 sheet 名
    df1 = pd.read_excel(xls, "员工表")
    df2 = pd.read_excel(xls, "工资表")

ExcelFile 把文件读进内存一次，之后按名字或下标取 sheet 都不再碰磁盘。它还能配合 with 自动释放资源。

如果所有 sheet 的解析参数完全一样，直接传列表给 read_excel 也不会有性能损失：

data = pd.read_excel("数据.xlsx", ["员工表", "工资表"],
                     index_col=None, na_values=["NA"])

写出：to_excel

to_excel 负责把 DataFrame 写成 Excel：

df.to_excel("输出.xlsx")                          # 默认写到 Sheet1
df.to_excel("输出.xlsx", sheet_name="员工表")       # 指定 sheet 名
df.to_excel("输出.xlsx", index=False)             # 不写行索引

和 CSV 一样，index=False 是最常用的参数——默认会把行索引写成第一列。

控制输出格式的参数：

df.to_excel("输出.xlsx",
            sheet_name="员工表",
            index=False,
            index_label="编号",     # 索引列的表头名
            float_format="%.2f",    # 浮点数保留两位
            freeze_panes=(1, 0),    # 冻结第一行
            autofilter=True)        # 开启筛选按钮

• float_format：浮点数的显示格式
• freeze_panes：冻结窗格，(1, 0) 冻结第一行，滚动时表头不动
• autofilter：给每个列加上自动筛选下拉框
• merge_cells=False：配合 index_label 时，让索引标签放在第一行而不是第二行

多表写入：ExcelWriter

想在一个工作簿里放多个 DataFrame，用 ExcelWriter：

df1 = pd.DataFrame({"姓名": ["张三", "李四"], "分数": [85, 92]})
df2 = pd.DataFrame({"产品": ["键盘", "鼠标"], "价格": [99, 45]})

with pd.ExcelWriter("输出.xlsx") as writer:
    df1.to_excel(writer, sheet_name="成绩表", index=False)
    df2.to_excel(writer, sheet_name="价格表", index=False)

with 块结束时自动保存并关闭文件。往已有的工作簿追加 sheet，用 mode="a"：

with pd.ExcelWriter("输出.xlsx", mode="a", engine="openpyxl") as writer:
    df3.to_excel(writer, sheet_name="新表", index=False)

追加模式下 engine 必须指定为 openpyxl。同名 sheet 的处理由 if_sheet_exists 控制：默认 "error" 报错，可以设 "replace" 覆盖、"new" 自动改名、"overlay" 在原位置覆盖写入。

Excel 不进磁盘：写入内存缓冲区

Excel 文件不一定要落盘。用 BytesIO 可以把工作簿直接生成在内存里——网站做”导出 Excel 下载”功能时常用，文件不经过磁盘，直接返回给前端：

from io import BytesIO

bio = BytesIO()
with pd.ExcelWriter(bio) as writer:
    df.to_excel(writer, sheet_name="Sheet1", index=False)

bio.seek(0)                # 回到开头才能读
data = bio.read()          # data 就是完整的 xlsx 字节

注意两个细节：写完后必须先 seek(0) 再读；ExcelWriter 用完会关闭，别在 with 块外继续写。

大文件读取加速

openpyxl 解析大 Excel 偏慢。装 python-calamine 后可以换用 calamine 引擎，它是 Rust 实现，通常比 openpyxl 快不少：

df = pd.read_excel("很大.xlsx", engine="calamine")

calamine 还能读 .xls、.xlsb、.ods 等多种格式。写入暂时还是用 openpyxl / xlsxwriter，calamine 只管读。

格式与样式

to_excel 用 openpyxl 引擎写出的工作簿默认不带任何样式——没有加粗表头、没有边框（换成 xlsxwriter 引擎会带默认表头格式）。想要花哨的样式，用 Styler：

css = "border: 1px solid black; font-weight: bold;"
df.style.map_index(lambda x: css).map_index(lambda x: css, axis=1).to_excel("带样式.xlsx")

如果你装了 xlsxwriter 引擎，to_excel(engine="xlsxwriter") 还能做更多精细排版（列宽、条件格式、图表等），有兴趣可以查 xlsxwriter 的 pandas 文档。

小结

• 读写 .xlsx 需要 openpyxl，其他格式对应其他引擎
• sheet_name 用整数、名字、列表或 None 控制读取范围，多 sheet 返回字典
• 标题行、合并单元格会让列名变成 Unnamed，用 header=None + skiprows + names 解决
• 多次读同一个文件用 ExcelFile，一次解析、按需取表
• to_excel 记得 index=False；freeze_panes、autofilter 控制观感
• 多表写一个文件用 ExcelWriter，追加模式 mode="a" + engine="openpyxl"
• 导出下载用 BytesIO 内存缓冲；大文件读取换 engine="calamine" 加速
• 3.0 默认无样式，要样式用 Styler.to_excel 或 xlsxwriter

下一节离开表格文件，看 JSON、HTML、XML 和剪贴板这些”非表格”格式怎么读。