新版Pandas使用以下界面加载Excel文件:
read_excel('path_to_file.xls', 'Sheet1', index_col=None, na_values=['NA'])
但如果我不知道有哪些床单呢?
例如，我正在工作的excel文件，如下表
数据1，数据2…，数据N, foo, bar
但我不知道先验的N。
有没有办法从熊猫的excel文档中获得表的列表?
当前回答
如果你读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')
其他回答
如果你读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')
你仍然可以使用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
更多选项参见文档解析…
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花了8.24秒。对于read_only标志，只需要39.6 ms。如果您仍然希望使用Excel库而不使用xml解决方案，那么这比解析整个文件的方法要快得多。
基于@dhwanil_shah的回答，您不需要提取整个文件。zf。打开它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很难看，但是内容只在文本的第二行。不需要解析整个文件。
这个解决方案似乎比read_excel版本快得多，而且很可能也比完整的提取版本快得多。
With the load_workbook readonly option, what was earlier seen as a execution seen visibly waiting for many seconds happened with milliseconds. The solution could however be still improved. 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) The Excelfile.parse takes the same time as reading the complete xls in order of 10s of sec. This result was obtained with windows 10 operating system with below package versions 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
