新版Pandas使用以下接口来加载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,我正在处理以下工作簿的Excel文件:
Data 1, Data 2 ..., Data N, foo, bar
但我事先不知道 N
是多少。
是否有一种方法可以在Pandas中从Excel文档中获取工作表列表?
新版Pandas使用以下接口来加载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,我正在处理以下工作簿的Excel文件:
Data 1, Data 2 ..., Data N, foo, bar
但我事先不知道 N
是多少。
是否有一种方法可以在Pandas中从Excel文档中获取工作表列表?
df = pandas.read_excel("/yourPath/FileName.xlsx", None);
"df"作为一个DataFrame字典,你可以通过运行以下代码来验证:
df.keys()
像这样的结果:
[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']
请参考Pandas文档获取更多详情:https://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_excel.html
sheet_name
。即,df = pandas.read_excel("/yourPath/FileName.xlsx", sheet_name=None, engine='openpyxl')
。 - Corey Levinson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)
读取并存储特定工作表的数据(例如,假设工作表名称为“Sheet1”,“Sheet2”等),以“Sheet2”为例:
data = pd.read_excel("path", "Sheet2")
print(data)
这是我发现的最快的方法,受@divingTobi答案的启发。基于xlrd、openpyxl或pandas的所有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
以下内容在一个大约10Mb的xlsx
,xlsb
文件上进行了基准测试。
xlsx,xls
from 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)
xlsb
from pyxlsb import open_workbook
def get_sheetnames_xlsb(filepath):
with open_workbook(filepath) as wb:
return wb.sheets
基准测试: ~ 56倍的速度提升
# 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:
xlrd
已不再维护dfs = pd.ExcelFile('file')
dfs.sheet_names
dfs.parse('sheetname')
df = pd.read_excel('file', sheet_name='sheetname')
在 @dhwanil_shah 的回答基础上,您不需要提取整个文件。使用 zf.open
可以直接从一个压缩文件中读取内容。
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
看起来有些不清爽,但实际上只需要在第二行文本中获取内容,无需解析整个文件。
这种解决方案似乎比read_excel
版本快得多,并且很可能也比完全提取版本更快。
我尝试过xlrd、pandas、openpyxl等库,但随着文件大小的增加,它们似乎都需要指数级的时间来读取整个文件。上面提到的其他解决方案中使用“on_demand”的方式对我不起作用。如果你只想最初获取工作表名称,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
zipfile
和用于将XML转换为易于迭代的字典的xmltodict
。虽然您可以查看@divingTobi下面的答案,其中您可以在不实际提取文件的情况下阅读同一文件。 - Dhwanil shahload_workbook(excel_file).sheetnames
平均需要8.24秒,而 load_workbook(excel_file, read_only=True).sheetnames
平均只需要39.6毫秒。 - flutefreak7from openpyxl import load_workbook
sheets = load_workbook(excel_file, read_only=True).sheetnames
我正在使用一个5MB的Excel文件,使用load_workbook
而不加上read_only
标记需要8.24秒。如果加上read_only
标记,只需要39.6毫秒。如果你仍然想使用Excel库而不是采用xml解决方案,那么这种方法比解析整个文件的方法要快得多。
{sheet_name: xl.parse(sheet_name) for sheet_name in xl.sheet_names}
。 - Andy Haydenxl = pd.ExcelFile('foo.xls', engine='openpyxl')
进行修复。查看与我的问题有关的内容,请参阅此线程。 - vjangus