怎样用Python读取Excel中的特定工作表_使用pandas的read

read_excel读取指定sheet有三种方式：sheet_name=0按索引读首表最稳定；sheet_name="summary"按名精确匹配，大小写敏感；sheet_name=none返回含所有sheet的dict。

怎样用python读取excel中的特定工作表_使用pandas的read_excel

直接用 sheet_name 参数就能定位工作表，但不同写法行为差异很大，容易读错数据。

sheet_name=0：读取第一个工作表（索引从 0 开始），最稳定，适合工作表顺序固定且不关心名字的场景
sheet_name="Summary"：按名称精确匹配，大小写敏感；如果 Excel 里实际叫 "summary" 或 "Summary "（带空格），会报 ValueError: Worksheet named 'Summary' not found
sheet_name=None：返回 dict，key 是所有 sheet 名，value 是对应 DataFrame；适合需要动态检查或遍历多个表的情况

Excel 表头常不在第 1 行，或者前几行是说明文字，read_excel 默认把第 0 行当列名，结果列名变成 Unnamed: 0 或乱码。

python 查询技能

查询客流数据，输出JSON格式，可直接导入Bitable等可视化工具

下载

不是编码问题，而是 Excel 自身存储格式和 pandas 解析逻辑导致的——尤其用 WPS 或旧版 Excel 保存的文件。

先用 pd.ExcelFile(file_path).sheet_names 确认真实 sheet 名，避免拼写误差
读入后检查 df.columns，若出现 '销售部'（多空格）或 '\xa0销售额'（NBSP 字符），用 df.columns = df.columns.str.strip().str.replace('\xa0', ' ') 清理
列名含空格又想用点号访问（如 df.销售金额）？不行。必须用方括号：df["销售金额"]，或者提前重命名：df.rename(columns={"销售金额": "sales_amount"}, inplace=True)

哪怕你只想要第 3 个 sheet，read_excel 默认仍会解析整个文件结构（包括所有 sheet 的元信息），10MB 以上文件可能卡顿甚至 OOM。

加 engine="openpyxl"（xlsx）或 engine="xlrd"（xls，注意 xlrd>=2.0 不再支持 xlsx）可提升兼容性，但不解决解析开销
真正省资源的做法是：先用 pd.ExcelFile 打开，再用 parse() 按需读取单个 sheet：
```
with pd.ExcelFile("data.xlsx") as xls:
    df = xls.parse("Report", skiprows=1, header=0)
```
如果文件含大量公式或图表，考虑用 data_only=True（仅 openpyxl 支持），避免读到公式字符串而非计算结果

实际项目里最常出问题的不是语法，而是 Excel 文件本身——比如 sheet 名被手动改过但没刷新引用，或者某行插入了合并单元格导致列偏移。建议读完先 print(df.shape) 和 df.head()，别急着 downstream 处理。