Python怎么读取Excel指定Sheet、行或列数据

一、准备工作与环境依赖

处理 .xlsx 格式的 Excel 表格前，需要准备对应的 Python 运行环境。建议在终端或命令行中安装 pandas 与 openpyxl：

pip install pandas openpyxl

为了使后文的所有示例统一且易于对照验证，我们假设当前目录下存在一个名为 sales_data.xlsx 的工作簿，其内容包含多个工作表，其中名为 "2026年销售明细" 的表格结构如下所示：

二、读取指定 Sheet (工作表)

一个 Excel 工作簿往往包含多个 Sheet。pandas.read_excel() 默认只会读取第 1 个工作表（索引为 0）。若要读取指定 Sheet，只需配置 sheet_name 参数。

1. 按工作表名称读取

直接将目标工作表的名称字符串传递给 sheet_name：

import pandas as pd

file_name = "sales_data.xlsx"

# 通过完整名称读取指定工作表
df_target = pd.read_excel(file_name, sheet_name="2026年销售明细")
print(df_target.head(2))

2. 按工作表数字索引读取

如果不确定 Sheet 确切名称，或者名称可能会动态变动，可以传入从 0 开始的整数索引。例如 0 代表第 1 个工作表，1 代表第 2 个工作表：

# 读取工作簿中的第 2 个工作表
df_second = pd.read_excel(file_name, sheet_name=1)

3. 一次读取多个或全部 Sheet

如果需要同时处理工作簿中的多张表，可以传入名称/索引列表，或者传入 sheet_name=None：

# 传入列表：返回字典，键为 Sheet 名称，值为对应 DataFrame
multi_sheets = pd.read_excel(file_name, sheet_name=["2026年销售明细", 1])

# 传入 None：返回包含该工作簿所有工作表的有序字典
all_sheets = pd.read_excel(file_name, sheet_name=None)
for sheet, df in all_sheets.items():
    print(f"工作表 [{sheet}] 共有 {len(df)} 行数据")

三、读取指定 行 (Rows) 数据

读取指定行有两种常用思路：一种是在加载阶段直接限制（适用于大文件，避免无谓内存消耗），另一种是在读入内存后利用 DataFrame 切片（适用于灵活查找）。

1. 加载阶段通过参数限制行：skiprows 与 nrows

许多业务报表前几行是标题、填表说明或制表人信息，真正的数据行从第 3 行或第 4 行才开始。此时可以通过 skiprows 跳过无效行，再用 nrows 限制读取行数：

# 跳过前 2 行（例如前两行为合并标题和批注），随后只读取接下来的 10 行数据
df_rows = pd.read_excel(
    file_name,
    sheet_name="2026年销售明细",
    skiprows=2,
    nrows=10
)

2. 读入内存后通过 iloc 进行纯数字行切片

当工作表已读入 DataFrame 后，使用 .iloc 可以像 Python 列表一样按行下标连续截取：

df = pd.read_excel(file_name, sheet_name="2026年销售明细")

# 截取第 1 行至第 3 行（不包含第 4 行，左闭右开）
sub_rows = df.iloc[0:3]

# 截取指定的离散单行（例如第 1 行与第 3 行）
specific_rows = df.iloc[[0, 2]]
print(specific_rows[["订单编号", "客户名称"]])

四、读取指定 列 (Columns) 数据

在面对几十列的复杂报表时，全量加载不仅占用显存/内存，还会降低执行速度。通过 usecols 参数可以在读取时直接滤除非目标列。

1. 按 Excel 列字母范围读取 (推荐直观写法)

usecols 允许直接传递类似 Excel 坐标的列字母区间字符串，例如 "A:C" 或 "A, C:E"：

# 仅读取 A 列、以及 C 列到 E 列，排除 B 列
df_cols_letter = pd.read_excel(
    file_name,
    sheet_name="2026年销售明细",
    usecols="A, C:E"
)
print(df_cols_letter.columns.tolist())

2. 按列名称列表读取 (推荐业务代码写法)

如果报表的列顺序容易变动，但列名相对固定，直接传入表头名称列表是最健壮的写法：

# 仅载入业务关心的两列
df_cols_named = pd.read_excel(
    file_name,
    sheet_name="2026年销售明细",
    usecols=["客户名称", "成交金额"]
)

3. 按列位置索引读取 (从 0 开始计数)

也可以传入列的下标列表。例如提取第 1 列（索引 0）与第 5 列（索引 4）：

df_cols_indexed = pd.read_excel(
    file_name,
    sheet_name="2026年销售明细",
    usecols=[0, 4]
)

五、综合实战：同时指定 Sheet、行范围与指定列

在实际工程中，最常见的场景是：在指定工作表中，只截取某一段行，并且只保留关键列。通过组合参数可以一行代码精准定位：

import pandas as pd

# 目标：从工作表 "2026年销售明细" 中，只取第 2~4 行（前3笔数据），且只要“客户名称”与“成交金额”两列
target_data = pd.read_excel(
    "sales_data.xlsx",
    sheet_name="2026年销售明细",
    usecols=["客户名称", "成交金额"],
    nrows=3
)

print(target_data)

六、原生轻量方案：使用 openpyxl 定位读取

如果所在运行环境对体积有严格限制（例如 AWS Lambda / 轻量 Docker 容器中不希望引入庞大的 pandas 与 numpy），直接使用 openpyxl 是官方推荐的轻量读写方案。

from openpyxl import load_workbook

# 加载工作簿 (data_only=True 表示读取公式计算结果而非公式原文)
wb = load_workbook("sales_data.xlsx", data_only=True)

# 1. 指定 Sheet：通过键值访问
ws = wb["2026年销售明细"]

# 2. 读取指定行列区域：例如第2行到第4行，第2列到第5列 (B2:E4)
# 注意：openpyxl 的行号和列号均从 1 开始计数
rows_data = []
for row in ws.iter_rows(min_row=2, max_row=4, min_col=2, max_col=5, values_only=True):
    rows_data.append(row)

for r in rows_data:
    print(r)

七、两种方案的关键机制差异与选型依据

理解 pandas 与 openpyxl 的底层差异，能够帮助我们在面对不同业务场景时做出合理选择：

• 索引基数的根本区别： pandas 的切片与行号基于计算机常规的 0-based（从 0 开始），而且默认把物理第 1 行作为 DataFrame 的列名；而 openpyxl 忠实于 Excel 的物理标号体系，是 1-based（从 1 开始），min_row=1 对应的就是 Excel 界面上行号为 1 的单元格。混用两者时切忌直接代入相同数值。
• 内存解析模型的差异： pandas 在执行 read_excel 时将整块数据解析并转换为连续内存的 C 数组/NumPy 结构，运算处理速度极快；而 openpyxl 将单元格包装成 Python 原生 Cell 对象，元数据丰富，但在十万行级别以上全量遍历时对象创建开销较高。
• 选型结论： 凡是后续涉及数据统计、关联合并、清洗或导出的分析任务，优先使用 pandas；凡是轻量化脚本、微服务、只需抽取单点单元格或必须保留单元格样式与批注的场景，使用 openpyxl。

八、常见问题与实用避坑指南

# 查看工作簿内所有真实存在的 Sheet 完整名称
excel_file = pd.ExcelFile("sales_data.xlsx")
print(excel_file.sheet_names)

# 表格无表头时的安全读取写法
df_no_header = pd.read_excel("sales_data.xlsx", sheet_name=0, header=None)

wb = load_workbook("sales_data.xlsx", data_only=True)

# 丢弃完全为空的行和列
df_clean = df.dropna(how="all", axis=0).dropna(how="all", axis=1)