用Python处理Excel文件，很多人都踩过坑。写了个脚本处理数据，跑起来才发现慢得离谱。几万行数据等半天，屏幕上那个小圈圈转得人心烦。我在学校教课的时候，学生经常抱怨说“老师，我程序卡死了”。其实不是程序死了，是用错了工具。
用pandas读取Excel，数据量超过1万行就开始明显变慢。到了5万行，一次读取可能要10秒以上。10万行数据，pandas的read_excel方法可能花掉你半分钟甚至一分钟。这还算好的，后续的筛选分组计算更是折磨。
问题出在哪里？pandas处理Excel时，底层用的是openpyxl或者xlrd。这两个库的读写方式比较原始，数据量一大就吃力。它们更适合小文件，几百行几千行的表格。遇到10万行级别，就像让自行车拉货车。
别急。换下面这3个库，10万行数据几秒搞定。我用教学数据测试过，真实有效。
第一个是openpyxl的“只读模式”。很多人不知道openpyxl有个优化选项。正常用openpyxl.load_workbook会加载整个文件到内存。数据量大时内存直接爆掉。改成只读模式，openpyxl不会一次读入所有数据，而是一行一行流式读取。速度能提升10倍以上。代码很简单。把load_workbook的read_only参数设为True。每次遍历行的时候，内存消耗很小。我测试过20万行数据，7秒读完。缺点是只能读不能写。适合只需要提取数据的场景。
第二个是xlwings。这货不走弯路，直接调用Excel的COM接口。相当于让Excel自己打开文件处理数据。Python只负责发指令。速度极快，10万行数据2到3秒搞定。而且支持读取也支持写入，还能调用Excel的公式和宏。xlwings需要电脑上装了Excel。linux用户用不了。windows用户强烈推荐。有个技巧，用xlwings读取大范围数据时，一次性读取整个区域，别一行一行读。写成df = sheet.range('A1').expand('table').options(pd.DataFrame, index=False).value，数据直接变成pandas的DataFrame，后续处理也不慢。
第三个是pyxlsb。专门处理xlsb格式的Excel文件。很多人不知道，xlsb是二进制格式，比xlsx小得多，读写更快。如果你的表格可以保存成xlsb格式，用pyxlsb读取，10万行数据3秒以内。缺点是只能读不能写，而且只支持xlsb文件。上面三个库都用不上？还有个压箱底的方法。把Excel文件先转换成csv格式。csv就是纯文本，任何库处理都飞快。pandas的read_csv读取10万行只需要1秒多。处理完再保存回去。Excel本身是支持打开csv文件的。
我教学生的时候，经常说一句话：别让工具限制了你处理数据的能力。Excel慢不是Python的问题，是你没选对库。再给你个建议。日常处理Excel文件之前，先看看数据量。少于1万行，用openpyxl默认模式就行。1万到5万，用openpyxl只读模式。5万以上，直接上xlwings或者转csv。这样分档用，永远遇不到卡死的情况。
你手头有没有特别大的Excel文件？试试换上面说的库。速度差别大得像换了台电脑。
