Python读写Excel⽂件第三⽅库汇总，你想要的都在这⼉！常见库简介
xlrd
xlrd是⼀个从Excel⽂件读取数据和格式化信息的库，⽀持.xls以及.xlsx⽂件。
1、xlrd⽀持.xls，.xlsx⽂件的读
2、通过设置on_demand变量使open_workbook()函数只加载那些需要的sheet，从⽽节省时间和内存（该⽅法对.xlsx⽂件⽆效）。
3、xlrd.Book对象有⼀个unload_sheet⽅法，它将从内存中卸载⼯作表，由⼯作表索引或⼯作表名称指定（该⽅法对.xlsx⽂件⽆效）
xlwt
xlwt是⼀个⽤于将数据和格式化信息写⼊旧Excel⽂件的库（如.xls）。
1、xlwt⽀持.xls⽂件写。
xlutils
xlutils是⼀个处理Excel⽂件的库，依赖于xlrd和xlwt。
1、xlutils⽀持.xls⽂件。
2、⽀持Excel操作。
xlwings
xlwings是⼀个可以实现从Excel调⽤Python，也可在python中调⽤Excel的库。
1、xlwings⽀持.xls读，⽀持.xlsx⽂件读写。
2、⽀持Excel操作。
3、⽀持VBA。
4、强⼤的转换器可以处理⼤部分数据类型，包括在两个⽅向上的numpy array和pandas DataFrame。
openpyxl
openpyxl是⼀个⽤于读取和编写Excel 2010 xlsx/xlsm/xltx/xltm⽂件的库。
1、openpyxl⽀持.xlsx⽂件的读写。
2、⽀持Excel操作。
3、加载⼤.xlsx⽂件可以使⽤read_only模式。
4、写⼊⼤.xlsx⽂件可以使⽤write_only模式。
xlsxwriter
xlsxwriter是⼀个⽤于创建Excel .xlsx⽂件的库。
1、xlswriter⽀持.xlsx⽂件的写。
2、⽀持VBA。
3、写⼊⼤.xlsx⽂件时使⽤内存优化模式。
win32com
win32com库存在于pywin32中，是⼀个读写和处理Excel⽂件的库。
1、win32com⽀持.xls，.xlsx⽂件的读写，⽀持.xlsx⽂件的写。
2、⽀持Excel操作。
DataNitro
DataNitro是⼀个内嵌在Excel中的插件。
1、DataNitro⽀持.xls，.xlsx⽂件的读写。
python怎么读入excel2、⽀持Excel操作。
3、⽀持VBA。
4、收费
pandas
pandas通过对Excel⽂件的读写实现数据输⼊输出
1、pandas⽀持.xls，.xlsx⽂件的读写。
2、⽀持只加载每个表的单⼀⼯作页。
环境配置及可实现操作
注：DataNitro作为插件使⽤需依托软件本⾝。
参考：
读写测试
测试计算机硬件和系统
电脑型号微星 MS-7846 台式电脑
操作系统 Windows 7 旗舰版 64位 SP1 ( DirectX 11 )
处理器英特尔 Pentium(奔腾) G3260 @ 3.30GHz 双核
主板微星 H81M-P32L (MS-7846) ( 英特尔 Haswell - Lynx Point )
内存 4 GB ( ⾦⼠顿 DDR3 1600MHz )
主硬盘西数 WDC WD5000AZLX-00ZR6A0 ( 500 GB / 7200 转/分 )
显卡英特尔 Haswell Integrated Graphics Controller ( 256 MB / 微星 )
测试⽤例
⽤例1. 读.xls⽂件的整个表（表有5个分页，每个分页有2000⾏1200列的整数）。⽤例2. 读.xlsx⽂件的整个表（表有5个分页，每个分页有2000⾏1200列的整数）。⽤例3. 读.xls⽂件的整个表（表有1个分页，页有2000⾏1200列的整数）。
⽤例4. 读.xlsx⽂件的整个表（表有1个分页，页有2000⾏1200列的整数）。
⽤例5. 写.xls⽂件的整个表（表有5个分页，每个分页有2000⾏1200列的整数）。⽤例6. 写.xlsx⽂件的整个表（表有5个分页，每个分页有2000⾏1200列的整数）。⽤例7. 写.xls⽂件的整个表（表有1个分页，页有2000⾏1200列的整数）。
⽤例8. 写.xlsx⽂件的整个表（表有1个分页，页有2000⾏1200列的整数）。
测试结果
注1.xlwt和pandas每个⼯作页最多写⼊256列，因此测试⽤例修改为每页有2000⾏256列的整数.
注2.xlutils读写依赖于xlrd和xlwt，不单独测试。
注3.openpyxl测试两种模式，⼀是普通加载写⼊，⼆是read_only/write_only模式下的加载写⼊。
注4.DataNitro要收费，且需依托Excel使⽤，本次不测试。
读写性能⽐较
单从读写的性能上考虑，win32com的性能是最好的，xlwings其次。
openpyxl虽然操作Excel的功能强⼤，但读写性能过于糟糕，尤其是写⼤表时，会占⽤⼤量内存（把我的4G内存⽤完了），开启
read_only和write_only模式后对其性能有⼤幅提升，尤其是对读的性能提升很⼤，使其⼏乎不耗时（0.01秒有点夸张，不过确实是加载上了）。pandas把Excel当作数据读写的容器，为其强⼤的数据分析服务，因此读写性能表现中规中矩，但其对Excel⽂件兼容性是最好的，⽀持读写.xls，.xlsx⽂件，且⽀持只读表中单⼀⼯作页。同样⽀持此功能的库还有xlrd，但xlrd只⽀持读，并不⽀持写，且性能不突出，需要配合xlutils进⾏Excel操作，并使⽤xlwt保存数据，⽽xlwt只能写⼊.xls⽂件（另⼀个可以写⼊.xls⽂件的库是pandas，且这两个写⼊的Excel ⽂件最多只能有256列，其余库就我⽬前的了解均只能写⼊.xlsx⽂件），性能⼀般。xlsxwriter功能单⼀，⼀般⽤来创建.xlsx⽂件，写⼊性能中庸。win32com拥有最棒的读写性能，但该库存在于pywin32的库中，⾃⾝没有完善的⽂档，使⽤略吃⼒。x
lwings拥有和win32com不相伯仲的读写性能，强⼤的转换器可以处理⼤部分数据类型，包括⼆维的numpy array和pandas DataFrame，可以轻松搞定数据分析的⼯作。综合考虑，xlwings的表现最佳，正如其名，xlwings——Make Excel Fly！
便捷性⽐较
本测试⽬前只是针对Excel⽂件的读写，并未涉及Excel操作，单从读写的便捷性来讲，各库的表现难分上下，但是win32com和xlwings这两个库可以在程序运⾏时实时在打开的Excel⽂件中进⾏操作，实现过程的可视化，其次xlwings的数据结构转换器使其可以快速的为Excel ⽂件添加⼆维数据结构⽽不需要在Excel⽂件中重定位数据的⾏和列，因此从读写的便捷性来⽐较，仍是xlwings胜出。
测试代码
计时
import timeit
if __name__ == '__main__':
# 使⽤timeit计时
t = timeit.Timer('??()', setup='from __main__ import ??')
print(t.timeit(number=1))
xlrd
import xlrd
def test_xlrd_on_demand_false():
# f = xlrd.open_workbook('test_cases\\read_xls.xls', on_demand=False) f = xlrd.open_workbook('test_cases\\read_xlsx.xlsx', on_demand=False)
def test_xlrd_on_demand_true():
# f = xlrd.open_workbook('test_cases\\read_xls.xls', on_demand=True) f = xlrd.open_workbook('test_cases\\read_xlsx.xlsx', on_demand=True) f.sheet_by_index(0)
xlwt
import xlwt
book = xlwt.Workbook()
def test_xlwt():
for s in range(5):
sheet = book.add_sheet(str(s))
for i in range(2000):
for j in range(256):
sheet.write(i, j, 65536)
book.save('test_cases\\write_xls.xls')
xlwings
import xlwings
def test_xlwings_read():
# f = xlwings.Book('test_cases\\read_xls.xls')
f = xlwings.Book('test_cases\\read_xlsx.xlsx')
import numpy as np
f = xlwings.Book('')
d = np.zeros([2000, 1200])
d += 65536
def test_xlwings_write():
for s in range(1):
sheet = f.sheets.add()
sheet.range('A1').value = d
f.save('test_cases\\write_xlsx.xlsx')
openpyxl
import openpyxl
def test_openpyxl_read():
f = openpyxl.load_workbook('test_cases\\read_xlsx.xlsx', read_only=True)
c = [65536] * 1200
f = openpyxl.Workbook(write_only=True)
def test_openpyxl_write():
for i in range(1):
sheet = f.create_sheet(title=str(i))
for row in range(2000):
sheet.append(c)
f.save('test_cases\\write_xlsx.xlsx')
xlsxwriter
import xlsxwriter
workbook = xlsxwriter.Workbook('test_cases\\write_xlsx.xlsx')
def test_xlsxwriter():
for s in range(1):
worksheet = workbook.add_worksheet()
for i in range(2000):
for j in range(1200):
worksheet.write(i, j, 65536)
workbook.close()
win32com
import win32com.client as win32
excel = ache.EnsureDispatch('Excel.Application')
def test_win32com_read():
# wb = excel.Workbooks.Open('E:\\excel\\test_cases\\read_xls.xls')
wb = excel.Workbooks.Open('E:\\excel\\test_cases\\read_xlsx.xlsx')
# excel.Visible = True
wb = excel.Workbooks.Add()
def test_win32com_write():
for i in range(1):
ws = wb.Worksheets.Add()
ws.Range("A1:ATD2000").Value = 65536
wb.SaveAs('E:\\excel\\test_cases\\write_xlsx.xlsx')
excel.Application.Quit()
pandas
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论