本文介绍如何使用现代 pandas（≥1.2.0）和 openpyxl 引擎，安全、高效地从现有 excel 文件（.xlsx/.xls）中读取全部工作表为 dataframe，并支持后续合并保存——彻底替代已弃用的 xlwt 和旧式 excelfile 用法。
本文介绍如何使用现代 pandas（≥1.2.0）和 openpyxl 引擎，安全、高效地从现有 excel 文件（.xlsx/.xls）中读取全部工作表为 dataframe，并支持后续合并保存——彻底替代已弃用的 xlwt 和旧式 excelfile 用法。
自 pandas 1.2.0 起，xlwt 引擎已被正式弃用，且 pd.ExcelFile 在仅安装 openpyxl（而非 xlrd）时无法处理 .xls 文件，导致常见报错：ValueError: No engine for filetype: 'xls'。根本解决方案是统一使用 openpyxl（支持 .xlsx）或 xlrd==1.2.0（仅限 .xls，注意：xlrd ≥2.0 已移除 xls 支持），并避免依赖已淘汰的 ExcelFile 迭代模式。
✅ 推荐做法：直接使用 pd.read_excel() 的 sheet_name=None 参数，一行代码即可将整个工作簿所有表读为字典（键为表名，值为 DataFrame）：
import pandas as pd
# 一次性读取所有工作表 → 返回 dict[str, pd.DataFrame]
all_sheets = pd.read_excel("Workbook1.xlsx", sheet_name=None, engine="openpyxl")
# 示例：获取第一个表数据（按原始顺序）
df_sheet1 = list(all_sheets.values())[0]
# 或按表名访问：
# df_sheet1 = all_sheets["Sheet1"]
⚠️ 注意事项：
记录数据一键导出 Excel/CSV（带样式）
下载
把记录数组导出为带样式的 Excel(xlsx) 或带 BOM 的 CSV。支持列配置（表头/宽度/顺序）、表头冻结首行、斑马纹、布尔值转「是/否」、数组换行、CSV 中文防乱码。零依赖。触发词：导出 Excel、导出 CSV、记录转表格、列配置导出、数据导出、表格美化、JSON 转表格。
- .xlsx 文件默认使用 openpyxl 引擎（需 pip install openpyxl）；
- .xls 文件必须使用 xlrd==1.2.0（pip install "xlrd==1.2.0"），新版 xlrd 不再支持 xls；
- sheet_name=None 是最简洁、最健壮的方式，无需手动遍历 sheet_names；
- 避免生成中间 .xls 文件（如 df.to_excel("sheet1.xls")），既不必要又易触发引擎错误；所有操作应在内存中完成。
? 完整工作流示例（读取 → 处理 → 合并保存）：
import pandas as pd
import time
# 1. 读取全部工作表（返回字典）
workbook_data = pd.read_excel("Workbook1.xlsx", sheet_name=None, engine="openpyxl")
# 2. 对每个 DataFrame 进行个性化处理（示例：添加来源列）
processed_dfs = {}
for sheet_name, df in workbook_data.items():
df_processed = df.copy()
df_processed["source_sheet"] = sheet_name # 标记来源
# ✅ 此处插入您的业务逻辑（清洗、计算、过滤等）
processed_dfs[sheet_name] = df_processed
# 3. 合并写入新工作簿（自动按原表名分页）
output_file = f"New_Workbook_{time.strftime('%m-%d-%Y')}.xlsx"
with pd.ExcelWriter(output_file, engine="openpyxl") as writer:
for sheet_name, df in processed_dfs.items():
df.to_excel(writer, sheet_name=sheet_name, index=False)
print(f"✅ 已成功生成：{output_file}")
? 总结：
- 永远优先使用 sheet_name=None 替代 ExcelFile + 循环 read_excel；
- 明确指定 engine 参数（"openpyxl" 或 "xlrd"）可提升兼容性与可维护性；
- 中间文件（如 .xls）不仅冗余，还可能因引擎缺失导致失败——内存操作更可靠、更高效。
遵循以上实践，即可无缝迁移旧脚本，适配当前 pandas 生态。
