PANDAS & glob - 无法确定 Excel 文件格式，您必须手动指定引擎？

Question

代码可以正常运行，但是会出现有以下错误：

Excel file format cannot be determined, you must specify an engine manually.

下面是我的代码和操作流程：

1- 列表中客户列的ID：

 customer_id = ["ID","customer_id","consumer_number","cus_id","client_ID"]

2- 在文件夹中查找所有 xlsx 文件并读取它们的代码：

 l = [] #use a list and concat later, faster than append in the loop
for f in glob.glob("./*.xlsx"):
    df = pd.read_excel(f).reindex(columns=customer_id).dropna(how='all', axis=1)
    df.columns = ["ID"] # to have only one column once concat
    l.append(df)
all_data  = pd.concat(l, ignore_index=True) # concat all data

我添加了引擎 openpyxl

df = pd.read_excel(f, engine="openpyxl").reindex(columns = customer_id).dropna(how='all', axis=1)

新的错误提示：

 BadZipFile: File is not a zip file

pandas 版本：1.3.0
python 版本：python3.9
操作系统：MacOS

有没有更好的方法从文件夹中读取所有 xlsx 文件？

原文由 MTALY 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

当一个 excel 文件被 MS excel 打开时，一个隐藏的临时文件会在同一目录中创建：

 ~$datasheet.xlsx

因此，当运行代码以从文件夹中读取所有文件时，会出现错误：

 Excel file format cannot be determined, you must specify an engine manually.

当所有文件都关闭并且 没有隐藏的临时文件 ~$filename.xlsx 在同一目录中时，代码可以完美运行。

原文由 MTALY 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

请先确保使用的是正确的 pd.read_* 方法。我在使用 read_excel() 而不是 read_csv() 打开 .csv 文件时也遇到了这个错误。在 这里 找到了这个方便的代码片段，可以根据 Excel 文件类型自动选择正确的方法。

 if file_extension == 'xlsx':
    df = pd.read_excel(file.read(), engine='openpyxl')
elif file_extension == 'xls':
    df = pd.read_excel(file.read())
elif file_extension == 'csv':
    df = pd.read_csv(file.read())

原文由 pirateofebay 发布，翻译遵循 CC BY-SA 4.0 许可协议