224

新版 Pandas 使用如下界面加载 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床单怎么办？

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？

4

11 回答 11

383

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

有关更多选项，请参见解析文档...

于 2013-07-31T18:01:21.350 回答
63

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 字典的工作表，您可以通过运行以下命令来验证它：

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']

请参阅熊猫文档了解更多详情：https ://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_excel.html

于 2017-08-10T01:59:40.563 回答
12

This is the fastest way I have found, inspired by @divingTobi's answer. All The answers based on xlrd, openpyxl or pandas are slow for me, as they all load the whole file first. 

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")]
于 2019-09-06T21:10:11.543 回答
4

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)
于 2021-08-12T20:13:59.783 回答
3

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，因此我们直接从工作簿中提取底层 xml 数据并读取工作表名称，与库函数相比，这只需几分之一秒。

基准测试：（在 4 张 6mb xlsx 文件上）
Pandas，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困扰着我，所以我选择了这条路线。

于 2019-05-27T05:43:02.737 回答
3

基于@dhwanil_shah 的回答，您不需要提取整个文件。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readlines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。

于 2019-07-01T14:01:13.047 回答
2

如果你：

  • 关心性能
  • 在执行时不需要文件中的数据。
  • 想要使用传统库而不是滚动自己的解决方案

下面以 ~10Mb文件为基准xlsx。xlsb

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)

笔记：

于 2020-11-09T21:24:03.287 回答
2 
#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
于 2021-12-07T11:58:40.983 回答
1 
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，load_workbook没有read_only标志需要 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。

于 2020-06-04T20:54:41.570 回答
1

  1. 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。然而，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)

  2. 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
于 2021-04-08T12:19:41.933 回答
0

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')
于 2021-08-10T05:12:53.080 回答