前言

说到 python 读取 excel 文件，网上使用 openpyxl 的文章一大堆。我自己很少直接使用 openpyxl，一般使用 pandas 间接使用。

但如果你不希望引入 pandas，该如何轻松使用 openpyxl？到底有没有最佳实践写法？

这好办，今天就带大家看看 pandas 里面，是如何使用 openpyxl 读取 excel 文件。

不要忘记一键三连。你的点赞、收藏、关注，是我创作的动力。

本文查看的是 pandas 2.1.4 版本的代码。

使用任何能导航代码的 ide，我使用的是 vscode ，输入 pandas 的 read_excel 方法，按住 ctrl 键，鼠标点击方法，即可进入源码文件。

通过查找，你会找到一个很重要的类定义 ExcelFile :

众所周知，pandas 能指定不同的第三方库读写 excel 文件。今天我们只看 openpyxl 。进去查看，基本上所有的读取逻辑都在这个类里面。

很明显，这是读取文件的代码。由于只需要读取，设置 read only 和 data only ，能以最优性能执行。

接着是工作表相关:

有了具体的某个工作表对象，下一步就是最重要的加载数据，现在才是我们最关注的地方。到底 pandas 是如何组织代码？代码中一些奇怪的操作，是为什么？我们一一拆解。

行 612 是什么鬼？通过查 openpyxl 的文档，可以知道，原来有些程序(wps？)或库，在保存文件的时候，会写入关于工作表数据的范围最大行和列的信息。但是他们有可能会写错，通过 reset_dimensions 可以重置

接着就开始遍历读取:

同时我们注意到，行 614 和 623，这就是读取出来的所有数据，是一个 嵌套 list 结构。

但是，里面竟然有一个 while 循环？

原来，如果用户设置了一个单元格的格式，即使没有内容，也算一个有效的单元格。

此时如果只是正常遍历读取，得到的结果是

所以 while 循环就是移除这些多余的空单元格

如果这种"假单元格"出现在数据行下方:

此时就多了许多空行

所以，pandas 在遍历过程中，记录了最后有记录的行索引，遍历后截取一下就可以搞定：

看起来好像结束了？对于 pandas 来说，还没完

对于 pandas 来说，最终它会把得到的嵌套 list 数据传给 pd.DataFrame 。这里有一个前提，嵌套的每一行的列表长度必需一致才行。

但是行的长度有可能不一致。所以你会看到 pandas 的处理中，最后有一段逻辑用于补齐这些"短列表"

可以注意到，其中有3处地方在遍历 data 数据。所以，如果记录越多，这里就比较耗时。你能想到优化的方法吗?

我已经把本期涉及的代码整理好。转发、关注我，私信"python"，获得本期源码和数据。