pandas库的pd.read_excel()函数可轻松读取Excel文件，支持指定工作表、跳过行、选择列等操作，通过sheet_name参数可读取单个或多个工作表，返回DataFrame或字典，便于灵活处理复杂数据。

用Python处理Excel文件，

pandas

库绝对是你的得力助手。核心就是那个

pd.read_excel()

函数，它能帮你轻松地把Excel数据加载到DataFrame里，后续的分析处理就方便多了。

解决方案： 说起来，用pandas读取Excel文件，最基础也是最核心的就是

pd.read_excel()

这个函数。它的用法非常直观，你只需要把Excel文件的路径传给它，它就能给你返回一个DataFrame对象。

比如，你有一个叫

data.xlsx

的文件，里面有些数据：

import pandas as pd  # 最简单的读取方式 df = pd.read_excel('data.xlsx') print(df.head())

但真实世界里的Excel文件，往往不会那么“听话”。我个人觉得，

pd.read_excel()

的强大之处在于它提供了非常多的参数来应对各种复杂情况。

1. 指定工作表 (

   sheet_name

   ): 默认读取第一个工作表。如果你想读特定名称或索引的工作表，可以这么做：

   立即学习“Python免费学习笔记（深入）”；

   # 读取名为 'Sheet2' 的工作表 df_sheet2 = pd.read_excel('data.xlsx', sheet_name='Sheet2')  # 读取索引为 1 的工作表（从0开始计数，即第二个工作表） df_sheet_idx1 = pd.read_excel('data.xlsx', sheet_name=1)

2. 指定表头 (

   header

   ): 有时候，Excel文件并不是从第一行就开始是表头。你可以指定哪一行是表头（从0开始计数）。

   # 假设表头在第3行（索引为2） df_header_row2 = pd.read_excel('data.xlsx', header=2)

3. 跳过行 (

   skiprows

   ): 如果文件开头有一些描述性文字或者无关信息，你可以跳过它们。

   # 跳过前5行 df_skip_rows = pd.read_excel('data.xlsx', skiprows=5)

4. 指定列 (

   usecols

   ): 只读取你需要的列，可以提高效率，尤其是文件很大的时候。

   # 读取 '姓名' 和 '年龄' 列 df_specific_cols = pd.read_excel('data.xlsx', usecols=['姓名', '年龄'])  # 也可以用列索引（0, 1, 2...） df_specific_cols_idx = pd.read_excel('data.xlsx', usecols=[0, 2])

5. 自定义列名 (

   names

   ): 如果Excel没有表头，或者你觉得它的表头不好用，可以直接给列指定新名字。

   # 假设没有表头，给列命名 df_custom_names = pd.read_excel('data.xlsx', header=None, names=['ID', '产品', '价格'])

6. 指定数据类型 (

   dtype

   ): 这点我觉得特别重要，尤其是在处理数字ID或者日期的时候。Excel有时会把纯数字的ID识别成整数，导致前面的0丢失，或者日期格式混乱。提前指定数据类型能省很多后期处理的麻烦。

   # 强制 'ID' 列为字符串类型 df_with_dtype = pd.read_excel('data.xlsx', dtype={'ID': str, '价格': float})

7. 处理缺失值 (

   na_values

   ): 你可以指定哪些值应该被识别为缺失值（NaN）。

   

   可灵AI

   可灵ai：新一代AI创意生产力平台

   11023

   查看详情

   # 将 'N/A' 和 '-' 识别为缺失值 df_na_values = pd.read_excel('data.xlsx', na_values=['N/A', '-'])

这些参数的灵活组合，基本上能让你应对绝大多数Excel读取的场景。我的经验是，多看官方文档，然后多尝试，很快就能上手。

Pandas读取Excel时，如何指定工作表或处理多个工作表？

这个问题问得特别好，因为一个Excel文件往往不止一个工作表。说实话，我刚开始用的时候，也经常遇到不知道怎么指定特定工作表的情况，或者想把所有工作表都读出来。

pd.read_excel()

函数提供了一个非常灵活的

sheet_name

参数来处理这个问题。

1. 读取单个工作表：

   • 按名称指定： 如果你知道工作表的名称，直接传入字符串即可。这是最常见也最直观的方式。

     # 假设Excel里有叫 '销售数据' 的工作表 df_sales = pd.read_excel('my_report.xlsx', sheet_name='销售数据') print("读取 '销售数据' 工作表的前几行：") print(df_sales.head())
   • 按索引指定： 工作表也有索引，从0开始。如果你知道它是第几个工作表，也可以传整数。

     # 读取第二个工作表（索引为1） df_second_sheet = pd.read_excel('my_report.xlsx', sheet_name=1) print("n读取第二个工作表的前几行：") print(df_second_sheet.head())

2. 读取多个工作表：

   • 读取所有工作表： 这是我个人觉得非常实用的一个功能。当你把

     sheet_name

     设置为

     None

     时，

     pd.read_excel()

     会返回一个字典，字典的键是工作表名称，值是对应的DataFrame。

     # 读取所有工作表 all_sheets_dict = pd.read_excel('my_report.xlsx', sheet_name=None) print("n读取所有工作表，结果是一个字典：") for sheet_name, df in all_sheets_dict.items():     print(f"--- 工作表: {sheet_name} ---")     print(df.head(2)) # 只打印前两行，避免输出过多

     拿到这个字典后，你就可以通过工作表名称来访问每个DataFrame了，比如

     all_sheets_dict['销售数据']

     。

   • 读取指定的部分工作表： 如果你只想读取几个特定的工作表，可以传入一个工作表名称的列表。

      # 只读取 '销售数据' 和 '库存清单' 这两个工作表 selected_sheets_dict = pd.read_excel('my_report.xlsx', sheet_name=['销售数据', '库存清单']) print("n读取指定工作表，结果也是一个字典：") for sheet_name, df in selected_sheets_dict.items():     print