### 使用高版本 Python 读取 Excel 文件 在高版本 Python 中，可以使用 `pandas` 和 `openpyxl` 等库来高效地读取 `.xls` 和 `.xlsx` 格式的 Excel 文件。以下是具体说明： #### 安装依赖库 为了支持完整的功能，需要安装以下库： - **NumPy**: 提供高性能数组操作的基础工具。 - **Pandas**: 数据分析的核心库之一，提供灵活的数据结构和数据处理能力。 - **Openpyxl**: 支持读写 `.xlsx` 文件的专用库。 可以通过以下命令安装这些库： ```bash pip install numpy pandas openpyxl ``` 对于旧版 `.xls` 文件的支持，则需额外安装 `xlrd` 库（注意：`xlrd` 不再维护新版本，建议优先考虑其他替代方案如 `openpyxl` 或 `pyxlsb`）。如果仅涉及 `.xlsx` 文件，可以直接跳过此步。 --- #### Pandas 实现 Excel 文件读取 通过 `pandas.read_excel()` 方法可轻松加载 Excel 表格中的数据到 DataFrame 对象中。下面是一些常见用法示例： ##### 示例 1: 读取单个 Sheet 假设有一个名为 `example.xlsx` 的文件，其中包含多个工作表（Sheets），可以选择特定的工作表进行读取。 ```python import pandas as pd # 指定路径并读取指定 sheet ('Sheet1') df = pd.read_excel('example.xlsx', sheet_name='Sheet1') print(df.head()) # 显示前几行数据 ``` 此处使用的参数 `sheet_name` 可以是一个字符串表示目标工作表名称[^3]。 ##### 示例 2: 同时读取所有 Sheets 当不确定要访问哪个工作表或者希望一次性提取整个文档的内容时，可以将 `sheet_name=None` 参数传递给函数。 ```python dfs = pd.read_excel('example.xlsx', sheet_name=None) for name, data in dfs.items(): print(f'Sheet Name: {name}') print(data.head()) ``` 返回的结果会是以字典形式存储各个表格及其对应的数据帧对象[^3]。 --- #### Openpyxl 处理复杂需求 虽然 Pandas 是最简便的选择，但在某些情况下可能更倾向于直接操控底层细节。这时就可以借助于专门针对 Microsoft Office 文档设计的强大 API —— `openpyxl` 来完成任务。 ##### 加载 Workbook 并列举 Sheets 名称 ```python from openpyxl import load_workbook wb = load_workbook(filename="example.xlsx") sheets = wb.sheetnames print(sheets) # 输出 ['Sheet1', 'Sheet2', ... ] ``` 这段脚本展示了如何打开一个现有的 .xlsx 文件，并打印出它内部所含有的每张工作簿的名字列表。 --- #### 总结注意事项 - 如果只涉及到现代标准下的 XLSX 类型档案，请确保已导入必要组件——即 NumPy、Pandas 还有 Openpyxl； - 针对较老版本 xls 结构则除了上述提到之外还需引入第三方扩展包比如 XLWT/ReadD； - 推荐始终采用最新稳定发行版本号来进行开发调试活动以便享受更多特性改进修复成果[^2]。