将 Excel 文件读取到 pandas 数据框的更快方法

Question

我有一个 14MB 的 Excel 文件，其中包含五个工作表，我正在将其读入 Pandas 数据框，尽管下面的代码有效，但需要 9 分钟！

有没有人有加快速度的建议？

 import pandas as pd

def OTT_read(xl,site_name):
    df = pd.read_excel(xl.io,site_name,skiprows=2,parse_dates=0,index_col=0,
                       usecols=[0,1,2],header=None,
                       names=['date_time','%s_depth'%site_name,'%s_temp'%site_name])
    return df

def make_OTT_df(FILEDIR,OTT_FILE):
    xl = pd.ExcelFile(FILEDIR + OTT_FILE)
    site_names = xl.sheet_names
    df_list = [OTT_read(xl,site_name) for site_name in site_names]
    return site_names,df_list

FILEDIR='c:/downloads/'
OTT_FILE='OTT_Data_All_stations.xlsx'
site_names_OTT,df_list_OTT = make_OTT_df(FILEDIR,OTT_FILE)

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

Answer 1

正如其他人所建议的那样，csv 阅读速度更快。所以如果你在 Windows 上并且有 Excel，你可以调用 vbscript 将 Excel 转换为 csv，然后读取 csv。我尝试了下面的脚本，它花了大约 30 秒。

 # create a list with sheet numbers you want to process
sheets = map(str,range(1,6))

# convert each sheet to csv and then read it using read_csv
df={}
from subprocess import call
excel='C:\\Users\\rsignell\\OTT_Data_All_stations.xlsx'
for sheet in sheets:
    csv = 'C:\\Users\\rsignell\\test' + sheet + '.csv'
    call(['cscript.exe', 'C:\\Users\\rsignell\\ExcelToCsv.vbs', excel, csv, sheet])
    df[sheet]=pd.read_csv(csv)

这是创建 ExcelToCsv.vbs 脚本的一小段 python：

 #write vbscript to file
vbscript="""if WScript.Arguments.Count < 3 Then
    WScript.Echo "Please specify the source and the destination files. Usage: ExcelToCsv <xls/xlsx source file> <csv destination file> <worksheet number (starts at 1)>"
    Wscript.Quit
End If

csv_format = 6

Set objFSO = CreateObject("Scripting.FileSystemObject")

src_file = objFSO.GetAbsolutePathName(Wscript.Arguments.Item(0))
dest_file = objFSO.GetAbsolutePathName(WScript.Arguments.Item(1))
worksheet_number = CInt(WScript.Arguments.Item(2))

Dim oExcel
Set oExcel = CreateObject("Excel.Application")

Dim oBook
Set oBook = oExcel.Workbooks.Open(src_file)
oBook.Worksheets(worksheet_number).Activate

oBook.SaveAs dest_file, csv_format

oBook.Close False
oExcel.Quit
""";

f = open('ExcelToCsv.vbs','w')
f.write(vbscript.encode('utf-8'))
f.close()

这个答案得益于 Convert XLS to CSV on command line and csv & xlsx files import to pandas data frame: speed issue

原文由 Rich Signell 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

我使用 xlsx2csv 将 excel 文件虚拟转换为内存中的 csv，这有助于将读取时间缩短一半左右。

 from xlsx2csv import Xlsx2csv
from io import StringIO
import pandas as pd

def read_excel(path: str, sheet_name: str) -> pd.DataFrame:
    buffer = StringIO()
    Xlsx2csv(path, outputencoding="utf-8", sheet_name=sheet_name).convert(buffer)
    buffer.seek(0)
    df = pd.read_csv(buffer)
    return df

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