### Python 导入 Excel 文件数据的方法 在 Python 中，`pandas` 和 `openpyxl` 是常用的工具来处理 Excel 数据。以下是两种主要的方式： #### 方法一：使用 Pandas 导入单个 Sheet 的 Excel 数据 通过 `pandas.read_excel()` 函数可以直接读取 `.xls` 或 `.xlsx` 格式的文件，并将其加载到 DataFrame 对象中。 ```python import pandas as pd # 定义文件路径 file_path = 'example.xlsx' # 读取整个 Excel 文件中的第一个默认 Sheet df = pd.read_excel(file_path, engine='openpyxl') # 输出数据框的内容 print(df) ``` 此代码片段展示了如何简单地导入一个 Excel 文件[^1]。如果需要指定特定的工作表，则可以通过参数 `sheet_name` 来实现[^4]。 --- #### 方法二：使用 Pandas 处理多个 Sheets 的 Excel 数据 当 Excel 文件中有多个工作表时，可以利用 `pd.ExcelFile()` 将其作为一个整体对象读取，并逐一解析各个表格。 ```python import pandas as pd def read_all_sheets(excel_file): # 创建 Excel 文件的对象 excel_obj = pd.ExcelFile(excel_file, engine='openpyxl') # 获取所有的 Sheet 名称列表 sheet_names = excel_obj.sheet_names # 遍历每个 Sheet 并存放到字典中 sheets_dict = {name: excel_obj.parse(name) for name in sheet_names} return sheets_dict # 调用函数并打印结果 excel_file = 'multi_sheet_example.xlsx' sheets_data = read_all_sheets(excel_file) for sheet_name, data_frame in sheets_data.items(): print(f'Sheet Name: {sheet_name}') print(data_frame.head()) ``` 这段脚本能够一次性提取所有工作表的数据，并返回一个以 Sheet 名称为键、DataFrame 为值的字典结构[^4]。 --- #### 方法三：仅使用 OpenPyXL 加载原始数据 虽然 `openpyxl` 不像 `pandas` 提供高级数据分析能力，但它适合于更底层的操作需求。 ```python from openpyxl import load_workbook # 加载 Excel 工作簿 workbook = load_workbook(filename="example.xlsx") # 查看可用的工作表名 sheet_names = workbook.sheetnames print("Available sheets:", sheet_names) # 访问某个具体的 Sheet selected_sheet = workbook[sheet_names[0]] # 迭代单元格内容 for row in selected_sheet.iter_rows(values_only=True): print(row) ``` 这种方法适用于那些希望直接访问单元格而不依赖额外框架的情况[^3]。 --- ### 总结 无论是简单的单张表格还是复杂的多层文档，都可以借助上述技术灵活应对。对于大多数场景而言，推荐优先考虑基于 `pandas` 的解决方案因其简洁高效；而针对特殊定制化任务则可选用原生 API 如 `openpyxl`.