Pandas read_excel 仅针对特定文件返回 xlrd 依赖错误

Question

我有一个 python 脚本，它可以毫无问题地读取多个 Excel 文件 (.xlsx)，因此：

df_file1 = pd.read_excel(myfile1, mysheet)

但是，我随后尝试使用类似代码读取另一个类似文件并收到依赖错误：

ImportError: Missing optional dependency 'xlrd'. Install xlrd >= 1.0.0 for Excel support Use pip or conda to install xlrd.

我工作的环境非常封闭，我不确定我是否可以安装 xlrd。我看不到任何使这个特定文件与我之前加载的文件不同的东西。它最初是一个 .xlsb，我重新保存为 .xlsx（因为同样地，我无法安装 pyxlsb）。但是，我成功打开的其他文件也进行了类似的转换。

我想知道某个特定文件可能有什么不同，如果其他类似文件不需要，则需要xlrd 打开它。

（我不认为这是关于 xlrd 依赖的其他类似问题的重复，因为这是关于确定特定文件需要 xlrd 的标准）

Answer 1

从read_excel documentation 开始，当未指定引擎且文件为 .xls 格式时使用 xlrd。但是，该文件肯定是以 .xlsx 格式保存的。

明确指定openpyxl引擎：

df_file1 = pd.read_excel(myfile1, mysheet, engine='openpyxl')

返回错误 BadZipFile: File is not a zip file

文件已正确保存且未损坏。
但是，原始 .xlsb 文件已受密码保护。 以 .xlsx 格式重新保存时，Excel 已自动应用相同的密码保护。
因此，实际问题是文件无意中受到密码保护。

推测read_excel，由于无法使用默认引擎打开文件，无法将其识别为 .xlsx 格式，尝试了替代引擎，然后在找不到可用引擎时失败。

重新保存删除密码保护的文件，可以成功使用原来的read_excel语句，使用默认引擎，不需要xlrd。

希望这可以帮助遇到特定文件类似问题的其他人。