新版熊猫使用the following interface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工作表怎么办？
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 先验。
有没有办法从 Pandas 中的 excel 文档中获取工作表列表？
【问题讨论】：
标签： python excel pandas openpyxl xlrd
您仍然可以使用ExcelFile 类（和sheet_names 属性）：
xl = pd.ExcelFile('foo.xls')
xl.sheet_names # see all sheet names
xl.parse(sheet_name) # read a specific sheet to DataFrame
更多选项请见docs for parse...
【讨论】：
ExcelFile 中加载excel 表吗？另外，假设我查找工作表列表并决定加载 N 个工作表，此时我应该为每张工作表调用 read_excel（新界面），还是坚持使用 x1.parse？
{sheet_name: xl.parse(sheet_name) for sheet_name in xl.sheet_names} 保留一个DataFrames 字典
您应该将第二个参数（工作表名称）明确指定为无。像这样：
df = pandas.read_excel("/yourPath/FileName.xlsx", None);
“df”都是作为DataFrames字典的表格，您可以通过运行它来验证它：
df.keys()
结果如下：
[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']
更多详情请参考 pandas 文档：https://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_excel.html
【讨论】：
sheet_name。即df = pandas.read_excel("/yourPath/FileName.xlsx", sheet_name=None, engine='openpyxl')
我已经尝试过 xlrd、pandas、openpyxl 和其他此类库，随着文件大小在读取整个文件时增加，它们似乎都需要指数级时间。上面提到的其他使用“on_demand”的解决方案对我不起作用。如果您最初只想获取工作表名称，则以下函数适用于 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，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，这需要几分之一秒。
基准测试：（在 4 张 6mb xlsx 文件上）
熊猫，xlrd： 12 秒
openpyxl： 24 秒
建议方法： 0.4秒
由于我的要求只是阅读工作表名称，因此阅读整个时间的不必要开销一直困扰着我，所以我选择了这条路线。
【讨论】：
zipfile，它是一个内置模块和xmltodict，我用来将XML 转换为一个易于迭代的字典。尽管您可以在下面查看@divingTobi 的答案，但您可以在其中读取相同的文件，而无需实际提取其中的文件。
load_workbook(excel_file).sheetnames 平均为 8.24 秒，load_workbook(excel_file, read_only=True).sheetnames 平均为 39.6 毫秒。
基于@dhwanil_shah 的回答，您不需要提取整个文件。使用zf.open 可以直接从压缩文件中读取。
import 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很丑，但是内容只在正文的第二行。无需解析整个文件。
此解决方案似乎比 read_excel 版本快得多，而且很可能也比完整提取版本快。
【讨论】：
这是我发现的最快方式，灵感来自@divingTobi 的回答。所有基于 xlrd、openpyxl 或 pandas 的答案对我来说很慢，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")]
【讨论】：
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 read_only 标志的 load_workbook 需要 8.24 秒。使用 read_only 标志只需要 39.6 毫秒。如果您仍然想使用 Excel 库而不是使用 xml 解决方案，那比解析整个文件的方法要快得多。
【讨论】：
如果你：
以下是在 ~10Mb xlsx、xlsb 文件上进行的基准测试。
xlsx, xlsfrom openpyxl import load_workbook
def get_sheetnames_xlsx(filepath):
wb = load_workbook(filepath, read_only=True, keep_links=False)
return wb.sheetnames
基准测试： ~ 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)
注意事项：
xlrd 自 2020 年起不再维护【讨论】：
使用 load_workbook 只读选项，之前被视为明显等待数秒的执行发生在毫秒内。但该解决方案仍有待改进。
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 与读取完整 xls 所需的时间相同，大约为 10 秒。此结果是使用具有以下软件包版本的 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
【讨论】：
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')
【讨论】：
从 excel (xls., xlsx) 中检索工作表名称的最简单方法是：
tabs = pd.ExcelFile("path").sheet_names
print(tabs)enter code here
然后读取和存储特定工作表的数据（例如，工作表名称为“Sheet1”、“Sheet2”等），例如说“Sheet2”：
data = pd.read_excel("path", "Sheet2")
print(data)
【讨论】：
#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
【讨论】：