Python pandas与openpyxl读取指定Sheet的性能对比与选择

阿澈

发布时间：2026-10-28 | 10人浏览过

原创

深入对比Python中使用pandas与openpyxl读取Excel指定工作表（Sheet）的性能表现、内存占用机制及适用场景，提供完整的代码范例与选型决策指南。

在 Python 自动化办公与数据处理中，读取 Excel 文件的指定工作表（Sheet）是极为高频的操作。核心结论十分明确：若任务后续依赖数据清洗、统计分析或建模，pandas 凭借直接生成高效 DataFrame 成为首选；若文件体积较大（数十兆以上）、运行环境内存受限，或者仅需提取几条特定单元格数据，openpyxl 的只读流式模式（read_only=True） 在内存控制与启动耗时上具有压倒性优势。

一、核心差异与选型速查

很多开发者直觉认为 pandas 读取速度较慢，而 openpyxl 更原生。事实上，pandas 默认正是调用 openpyxl 作为底层的解析引擎，但在数据加载路径和内存表示方式上存在本质分歧。下表对两者读取指定工作表的核心维度进行了对比：

对比维度	pandas (read_excel)	openpyxl (普通模式)	openpyxl (只读模式 read_only=True)
底层定位	科学计算与数据分析库	完整 Office Open XML 读写引擎	轻量流式只读解析器
读取指定Sheet语法	`sheet_name='Sheet1'`	`wb['Sheet1']`	`wb['Sheet1']`
内存占用峰值	中等偏高（需构建连续内存块与索引）	极高（每个单元格封装为完整 Python 对象）	极低（恒定在数十兆内，流式生成器）
解析执行速度	中等（底层解析 + C 级向量转换）	慢（全量构建 DOM 语法树）	快（仅解析目标 XML 标签流）
结果数据形态	`pandas.DataFrame`	`openpyxl.worksheet.worksheet.Worksheet`	`openpyxl.worksheet._read_only.ReadOnlyWorksheet`
最适用业务场景	后续需要数据清洗、分组统计与机器学习	需读取格式、合并单元格信息或后续原样写回	大体量文件只读扫描、低内存服务器批量作业

图 1：pandas 与 openpyxl 两种底层解析方式与内存映射模型

二、指定 Sheet 读取方式与完整代码示例

在实际编写脚本时，针对指定 Sheet 的定位方式与读取代码有明确的范式。以下提供经过验证的生产级标准代码。

1. pandas 读取指定 Sheet

pandas 通过 pandas.read_excel 的 sheet_name 参数指定目标工作表。支持传入字符串（工作表名称）或整数索引（从 0 开始）。

import pandas as pd

# 执行环境要求：pip install pandas openpyxl
file_path = "sales_report_2026.xlsx"
target_sheet = "March_Summary"

# 读取指定名称的Sheet，并明确指定解析引擎
df = pd.read_excel(
    io=file_path,
    sheet_name=target_sheet,
    engine="openpyxl"
)

# 查看读取结果形态
print(f"成功读取工作表: {target_sheet}")
print(f"数据维度: {df.shape[0]} 行, {df.shape[1]} 列")
print("示例输出前两行:")
print(df.head(2))

执行输出示例：

成功读取工作表: March_Summary
数据维度: 50000 行, 15 列
示例输出前两行:
   Order_ID  Region     Sales  Profit
0  ORD-1001   North  12500.50  3200.0
1  ORD-1002    East   8400.00  1850.5

注意事项： 若未传递 sheet_name，默认只读取第 0 个 Sheet；若传递 sheet_name=None，pandas 会完整遍历并读取工作簿内的所有 Sheet 并返回一个字典，这将导致巨大的性能损耗和内存开销。当只需单个 Sheet 时，必须传入具体名称或索引。

2. openpyxl 普通模式读取指定 Sheet

openpyxl 通过工作簿字典下标 wb[sheet_name] 访问特定工作表，普通模式下会预先加载结构。

from openpyxl import load_workbook

file_path = "sales_report_2026.xlsx"
target_sheet = "March_Summary"

# 普通模式加载，data_only=True 表示读取公式计算后的数值而非公式文本
wb = load_workbook(filename=file_path, data_only=True)
ws = wb[target_sheet]

# 读取指定单元格或遍历行
cell_val = ws["B2"].value
print(f"工作表 {target_sheet} B2 单元格数值为: {cell_val}")

# 关闭工作簿释放句柄
wb.close()

3. openpyxl 只读模式（read_only=True）高性能流式读取

当数据量超过数万行时，开启 read_only=True 是 openpyxl 的关键优化选项。该模式不会构建庞大的 DOM 单元格对象树，而是以生成器形式按需扫描。

from openpyxl import load_workbook

file_path = "sales_report_2026.xlsx"
target_sheet = "March_Summary"

# 开启只读流式模式
wb = load_workbook(filename=file_path, read_only=True, data_only=True)

if target_sheet in wb.sheetnames:
    ws = wb[target_sheet]
    row_count = 0
    total_sales = 0.0

    # 使用 values_only=True 直接返回纯数值元组，极大提高遍历效率
    for row in ws.iter_rows(min_row=2, values_only=True):
        row_count += 1
        sales = row[2]  # 假设第3列为Sales
        if sales is not None:
            total_sales += float(sales)

    print(f"工作表 {target_sheet} 统计完成:")
    print(f"有效数据行数: {row_count}")
    print(f"销售额累计值: {total_sales:.2f}")

# 务必在流式读取完毕后关闭句柄
wb.close()

图 2：Excel 读取指定工作表完整步骤与执行开销阶段

三、性能实测维度与指标对比

为了给出具有说服力的量化选型依据，在统一测试环境（Python 3.11，配置 16GB 内存）下，针对三种不同数据量级的工作簿进行了基准压测。对比维度包括加载耗时（秒）与内存峰值（MB）。

小型数据集：单工作簿包含 1 个 Sheet，10,000 行 × 15 列（约 2.5 MB）。
中型数据集：单工作簿包含 3 个 Sheet，读取其中 1 个 100,000 行 × 15 列的 Sheet（约 25 MB）。
大型多Sheet数据集：工作簿包含 5 个 Sheet，每个 Sheet 均有 50,000 行，总文件大小约 65 MB，专门测试读取第 4 个 Sheet 的效率。

图 3：不同数据规模下两库耗时与内存占用实测对比

四、常见开发陷阱与优化建议

在实际生产环境中处理 Excel 时，仅了解基本语法容易遇到性能瓶颈或内存溢出。以下是 4 个需要重点规避的常见陷阱：

1. 误用 openpyxl 普通模式处理超大表格引发 OOM

从实测数据可见，当表格达到 10 万行时，openpyxl 普通模式会消耗超过 1.3 GB 内存。这是因为 openpyxl 为每个单元格创建了包含坐标、格式、边框、字体在内的丰富对象树。在内存有限的容器环境或云函数中，极易触发 OOM（Out of Memory）进程被杀。

避坑准则： 只要不需要修改原文件并写回样式，所有涉及大量数据的 openpyxl 读取操作，必须显式添加 read_only=True。

2. pandas 遍历多个 Sheet 时的误用

如果一个工作簿中有 10 个 Sheet，业务需要分别读取其中 3 个：

低效写法：连续调用三次 pd.read_excel(file_path, sheet_name=name)。这会导致整个 zip 包被解压并加载三次。
高效优化写法：使用 pd.ExcelFile 复用工作簿句柄：

import pandas as pd

file_path = "multi_sheet_data.xlsx"

# 推荐：使用 ExcelFile 对象只打开一次工作簿
with pd.ExcelFile(file_path, engine="openpyxl") as reader:
    # 打印包含的所有Sheet名称
    print("可用Sheets:", reader.sheet_names)
    
    # 按需分别读取指定工作表，无需重复解压归档
    df_sales = pd.read_excel(reader, sheet_name="Sales_Data")
    df_targets = pd.read_excel(reader, sheet_name="Targets")

3. openpyxl 只读模式下的尺寸获取与重读限制

在 read_only=True 模式下，工作表不会预先统计总行数和总列数。此时直接调用 ws.max_row 往往返回 None，或者返回文件元数据中记录的不准确预估值。

此外，ws.iter_rows() 返回的是单向生成器，不能像普通列表一样进行反向切片或二次迭代。如需统计行数，应在流式扫描时累加计数器。

4. 替代高性能引擎加速 pandas（calamine 引擎）

如果业务强制要求输出 DataFrame，但 openpyxl 引擎速度无法满足实时接口需求，推荐在 Python 环境中安装基于 Rust 编写的 python-calamine 引擎：

# 依赖安装：pip install python-calamine
import pandas as pd

# 使用 calamine 替代 openpyxl 引擎，读取指定 Sheet 的速度可提升 3~5 倍
df = pd.read_excel("large_file.xlsx", sheet_name="Sheet1", engine="calamine")

五、场景选型决策指南

在实际技术方案选型中，请结合数据后续去向、硬件配置与业务要求，参考下方决策指南进行选择。

图 4：读取 Excel 指定工作表综合决策树

六、总结与落地建议

在处理“读取指定 Sheet”这一具体需求时，技术的选择实质上是数据结构与内存利用方式的权衡：

开箱即用首选 pandas： 只要数据体量适中（单表 10 万行以内），且后续需要按列做数据清洗或聚合运算，使用 pd.read_excel(file, sheet_name="TargetSheet") 能够最大程度节省代码量并降低开发维护成本。
海量数据与低内存环境首选 openpyxl(read_only=True)： 当面临多 Sheet 超大报表扫描、抽取固定单元格数据入库或服务器内存告警时，坚决采用 openpyxl.load_workbook(file, read_only=True)，它能保证程序以恒定的几十兆内存平稳完成作业。
避免重复解压与非必要全量加载： 多次读取同文件不同工作表时使用 pd.ExcelFile；严禁在无修改格式需求的大文件上使用 openpyxl 的普通模式，防止无谓的内存浪费与 OOM 故障。