小编给大家分享一下如何使用Python快速打开一个百万行级别的超大Excel文件,希望大家阅读完这篇文章之后都有所收获,下面让我们一起去探讨吧!
创新互联建站专注于利通网站建设服务及定制,我们拥有丰富的企业做网站经验。 热诚为您提供利通营销型网站建设,利通网站制作、利通网页设计、利通网站官网定制、成都小程序开发服务,打造利通网络公司原创品牌,更为您提供利通网站排名全网营销落地服务。有同学求助说,当他试图打开一个20M左右的excel文件时,无论是使用pandas的read_excel,还是直接使用xlrd或者openpyxl模块,速度都慢到无法忍受的程度,耗时大约1分钟左右。
真的会这样吗?第一感觉是,这位同学在使用openpyxl模块时没有设置只读模式。为便于测试,先用下面的代码生成一个一百万行数据的excel文件。
>>> from openpyxl import Workbook >>> wb = Workbook() >>> sh = wb.active >>> sh.append(['id', '语文', '数学', '英语', '物理']) >>> for i in range(1000000): # 写入100万行数据 sh.append([i+1, 90, 100, 95, 99]) >>> wb.save(r'd:\bigxlsx.xlsx') >>> import os >>> os.path.getsize(r'd:\bigxlsx.xlsx') # 文件大小:20M字节 20230528
接下来定义了一个使用openpyxl模块打开文件的函数,分别考察关闭和开启只读模式的时间消耗。
>>> from openpyxl import load_workbook >>> import time >>> def read_xlsx(read_only): t0 = time.time() wb = load_workbook(r'd:\bigxlsx.xlsx', read_only=read_only) t1 = time.time() print(wb.sheetnames) print(sh.cell(row=1, column=1).value) print(sh.cell(row=100, column=3).value) print('耗时%0.3f秒钟'%(t1-t0)) >>> read_xlsx(True) ['Sheet'] id 100 耗时0.404秒钟 >>> read_xlsx(False) ['Sheet'] id 100 耗时67.817秒钟
运行测试,果然,不开启只读的话,真的需要1分多钟,而使用只读模式的话,则仅需0.4秒钟。
不过,也别高兴得太早,openpyxl模块并没有提供像pandas.read_excel()那样把全部数据读入一个数据结构的功能,只能定位到行、列或格子以后再读取数据。要想使用openpyxl模块把全部数据读入到数组或DataFrame中,需要遍历所有的行和列,这仍然是一个非常耗时的操作。
那么,pandas.read_excel()是否也支持只读模式呢?遗憾的是,read_excel()并没有类似read_only这样的参数。尽管read_excel()可以接受文件路径、文件对象、类文件对象,甚至是二进制数据,但即使将文件内容传入,read_excel()解析这100万行数据仍然需要大约80秒钟。下面的代码验证了这一点。
>>> import pandas as pd >>> def read_excel_by_pandas(): with open(r'd:\bigxlsx.xlsx', 'rb') as fp: content = fp.read() t0 = time.time() df = pd.read_excel(content, engine='openpyxl') t1 = time.time() print(df.head()) print(df.tail()) print('耗时%0.3f秒钟'%(t1-t0)) >>> read_excel_by_pandas() id 语文 数学 英语 物理 0 1 90 100 95 99 1 2 90 100 95 99 2 3 90 100 95 99 3 4 90 100 95 99 4 5 90 100 95 99 id 语文 数学 英语 物理 999995 999996 90 100 95 99 999996 999997 90 100 95 99 999997 999998 90 100 95 99 999998 999999 90 100 95 99 999999 1000000 90 100 95 99 耗时81.369秒钟
结论:处理超大的Excel文件时,使用openpyxl模块的只读模式,可以快速打开并取得指定格子的数据,但不要尝试将全部数据读入到自己定义的数据结构中,这将花费漫长的时间。对此,pandas也无能为力。
看完了这篇文章,相信你对“如何使用Python快速打开一个百万行级别的超大Excel文件”有了一定的了解,如果想了解更多相关知识,欢迎关注创新互联行业资讯频道,感谢各位的阅读!
网站栏目:如何使用Python快速打开一个百万行级别的超大Excel文件-创新互联
本文来源:https://www.cdcxhl.com/article0/dchioo.html
成都网站建设公司_创新互联,为您提供网站设计、动态网站、静态网站、移动网站建设、网站改版、网站排名
声明:本网站发布的内容(图片、视频和文字)以用户投稿、用户转载内容为主,如果涉及侵权请尽快告知,我们将会在第一时间删除。文章观点不代表本网站立场,如需处理请联系客服。电话:028-86922220;邮箱:631063699@qq.com。内容未经允许不得转载,或转载时需注明来源: 创新互联