openpyxl无法实现流式写入或局部加载，必须将整个工作簿解析进内存。read_only=true和data_only=true均不能避免全量加载，仅有限优化读取行为；减小开销需换用csv、pyxlsb等替代方案或调用excel进程。
Openpyxl 无法真正“不加载整个 Excel”
直接说结论：openpyxl 没有流式写入或局部加载模式。它必须将整个工作簿解析进内存，哪怕你只改一个单元格，load_workbook() 仍会读取所有 sheet 结构、样式、公式、合并单元格等信息。所谓“不加载整个 Excel”在 openpyxl 中是个常见误解——它不支持类似 csv 那样的逐行流式处理。
为什么 data_only=True 或 read_only=True 不能帮你跳过加载？
这两个参数常被误认为能“轻量加载”，实际作用有限：
-
read_only=True：只适用于**纯读取**场景，且仍需解析整个 XML 结构（只是不构建完整对象图），一旦调用ws['A1'].value或修改单元格，openpyxl就会触发隐式加载，失去只读优势 -
data_only=True：仅影响公式计算结果的读取（跳过公式本身），但依然要加载全部单元格数据和格式定义 - 两者都不能避免内存占用随文件大小线性增长，10MB 的 Excel 通常占用 50–100MB 内存
真想减小开销？换工具或换策略
如果你的目标是“只改几个单元格，不为 10 万行数据付出内存代价”，openpyxl 不是合适选择。可行路径只有两条：
-
用
xlrd2+xlwt（仅限 .xls）：老式二进制格式支持更轻量读写，但已不维护，且不支持 .xlsx -
用
pyxlsb（仅限 .xlsb）：二进制格式，读写快、内存低，但只支持 Excel 二进制格式（.xlsb），不是常规 .xlsx -
用
python-csv处理纯数据场景：如果 Excel 实际是“导出报表”，无公式/样式/合并单元格，直接保存为 CSV，用csv模块 +fileinput或临时文件替换指定行列，内存开销恒定 -
用
win32com（Windows）或applescript（macOS）调用 Excel 进程：真正只操作可见区域，但依赖 Office 安装、慢、不可靠、不适合服务器环境
如果非要用 openpyxl，这些操作能稍微缓解压力
虽无法绕过全量加载，但可减少后续开销：
- 关闭不需要的功能：
load_workbook(filename, read_only=False, data_only=False, keep_vba=False, keep_links=False)—— 显式关掉 VBA 和外部链接解析 - 改完立刻释放引用：
wb.close()，避免对象滞留；不要用del wb，Python 垃圾回收不一定及时 - 避免遍历全表：
ws.iter_rows(min_row=5, max_row=5, min_col=2, max_col=2)比ws.iter_rows()省 CPU，但不省内存（行对象仍被构造） - 批量写入比单单元格赋值稍快：
ws.append([val1, val2])或ws['A1'] = 'x'; ws['B1'] = 'y'比循环ws.cell(row=i, column=j).value = ...快，因减少了属性查找开销
真正卡住你的从来不是“怎么改单元格”，而是“为什么改一个格子要吃 200MB 内存”。这个问题的答案不在文档里，在格式选型里。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
