一、最小的一行

pd.read_excel("成绩表.xlsx")——路径给了，别的一个不给，得到 10 行 6 列。 它默认读第一张工作表、把第一行当列名、保留所有列、行标签从 0 编号。 四条默认值多数时候都对，所以多数人从来没查过它们。

一旦默认值不对，表不会报错，只会悄悄错。这是最难查的一类错。

二、先读几行试试：nrows

nrows=3 只读前 3 行，shape 立刻变成 (3, 6)，读得飞快。

大文件一律先 nrows=100 试读：列名对不对、值有没有错位、日期是不是变成了数字。 确认无误再读全量。几万行的表读错格式，等半分钟才发现，白等。

三、只留要用的列：usecols

usecols=['姓名', '语文'] 只保留这两列，shape 变成 (10, 2)。 列少内存就小。几十列的表只留五列，占用的内存能降到十分之一。 它也接受列号，写 usecols=[0, 2] 就是第 1 和第 3 列。

用列名比用列号稳：源文件插了一列，列号全错位，列名不受影响。

四、把一列变成行标签：index_col

index_col='姓名' 之后，行标签是姓名，读进来就少一列。

这一步等价于读完再 set_index，但省一次内存拷贝，大表上差别明显。 代价是这一列从列里消失了。后面要按「姓名」这列算东西，得先 reset_index 换回来。

五、挑工作表：sheet_name

一个 xlsx 可以有多张表。不给 sheet_name，读的是第一张。

本例文件只有一张表，名字叫「成绩」，两种写法结果一样。 读错表是「数不对」的头号原因：表名看着对，翻过去其实是另一张。 sheet_name=None 拿到的是 {表名: DataFrame} 的字典，一次读完整个文件时用它。

六、四个参数一起用

pd.read_excel(路径, sheet_name='成绩', usecols=['姓名','总分'], index_col='姓名')。 一句读完：只要一张表、两列、姓名做标签。读进来 shape 是 (10, 1)。 参数越多越要马上验证：读完全打 shape 和 head()，两秒的事。

七、动手 Demo：read_excel 的几个常用参数

先写一份 xlsx 当素材，再依次用 nrows、usecols、index_col、sheet_name 读四遍。 每次读完打 shape，用形状证明参数起了作用。

import pandas as pd

SRC = "成绩表.xlsx"
print("全量      %s" % (pd.read_excel(SRC).shape,))
print("nrows=3   %s" % (pd.read_excel(SRC, nrows=3).shape,))
print("usecols   %s" % (pd.read_excel(SRC, usecols=["姓名", "语文"]).shape,))
print("index_col %s" % (pd.read_excel(SRC, index_col="姓名").shape,))

one = pd.read_excel(SRC, index_col="姓名")
print("行标签：%s" % list(one.index)[:3])

print("表名：%s" % list(pd.read_excel(SRC, sheet_name=None).keys()))

实跑输出：

--------------------------------------------------------------------
read_excel 的几个常用参数
--------------------------------------------------------------------

  ① 只读前几行，先看看
  --------------------------------------------------------------------
  nrows=3 只读前 3 行，shape 是 (3, 6)。

| 行 | 姓名 | 班级 | 语文 | 数学 | 英语 | 总分 |
|---|---:|---:|---:|---:|---:|---:|
| 0 | 张伟 | 一班 | 88 | 92 | 85 | 265 |
| 1 | 王芳 | 一班 | 92 | 95 | 90 | 277 |
| 2 | 李娜 | 一班 | 75 | 68 | 80 | 223 |

  大文件先 nrows=100 试读，确认列名和格式对了再读全量。
  ! 这个习惯能省很多时间：几万行的表读错格式，等半分钟才发现白读。

  ② 跳过不要的列
  --------------------------------------------------------------------
  usecols 只保留指定的列，读进来 shape 是 (10, 2)。
  列少内存就小。几十列的表只留五列，内存能降到十分之一。
  ! usecols 也接受列号，比如 usecols=[0, 2]，但用列名更稳，列顺序变了也不怕。

  ③ 把某一列设成行标签
  --------------------------------------------------------------------
  index_col='姓名' 之后，行标签就是姓名，列少了一列。

| 姓名 | 班级 | 语文 | 数学 | 英语 | 总分 |
|---|---:|---:|---:|---:|---:|
| 张伟 | 一班 | 88 | 92 | 85 | 265 |
| 王芳 | 一班 | 92 | 95 | 90 | 277 |
| 李娜 | 一班 | 75 | 68 | 80 | 223 |

  这一步等价于读完再 set_index，但省一次内存拷贝。
  ! index_col 只能给一个列名。要设多级索引得传列表，那是第 4 章的事。

  ④ 指定工作表
  --------------------------------------------------------------------
  一个 Excel 可以有多张表。sheet_name 不给就读第一张。
  sheet_name=0 读第一张，sheet_name='成绩' 按名字读，sheet_name=None 读全部并返回字典。
  本文件只有一张表，名字叫「成绩」。
  ! 读错了表是最常见的「数据不对」原因之一：表名看着对，其实是另一张。

pd.read_excel(SRC, sheet_name=None) 返回的是字典，键是表名，所以打 keys() 才看得到表名。 shape 是读取成功的唯一证据。读完不看 shape，等于闭着眼往下走。

30 秒实验

1. 把 nrows 改成 100（比总行数大），看 shape 会不会变成 (100, 6)。
2. usecols 传列号 [0, 2]，和传列名比一比结果是否一样。
3. 想一想：index_col 设了「姓名」之后，再想按姓名筛行，写法要不要变？

常见误区

1. 以为 read_excel 只能读 xlsx：xls 也能读，靠 xlrd；旧版 xls 读不了才要转格式。
2. 不给 sheet_name 就以为读的是「第一张有用的表」：它只认第一张，不管有没有用。
3. 用列号写 usecols 又随手插列：源文件一改，取到的就是别的列。
4. 读完不看 shape：列数不对照样往下算，最后结论全错还找不到原因。

Excel 讲完了，但实际数据一半在 csv 里、一小半在网页上。下一篇把这两种也收进来。

• ☐ （本篇完，下一篇 3.7 导入 csv、txt 和网页表格）

相关笔记

• DataFrame 的常用属性与函数
• 导入 csv、txt 和网页表格
• 初识 Pandas：它凭什么当主力
• 📊 Python 数据分析 · 索引