在 Pandas Python 中读取 XLSB 文件

Question

这方面有很多问题，但关于如何将 xlsb 文件读入 pandas 还没有简单的答案。有没有简单的方法可以做到这一点？

Answer 1

随着 pandas -

1.0.0

的

January 29, 2020

版本的发布，添加了对二进制 Excel 文件的支持。

import pandas as pd
df = pd.read_excel('path_to_file.xlsb', engine='pyxlsb')

备注：

• 您需要升级 pandas -

  pip install pandas --upgrade

• 您需要安装

  pyxlsb

  -

  pip install pyxlsb

Answer 2

嗨，其实有一种方法。只需使用 pyxlsb 库即可。

import pandas as pd
from pyxlsb import open_workbook as open_xlsb

df = []

with open_xlsb('some.xlsb') as wb:
    with wb.get_sheet(1) as sheet:
        for row in sheet.rows():
            df.append([item.v for item in row])

df = pd.DataFrame(df[1:], columns=df[0])

更新： 从 pandas 版本 1.0 开始，read_excel() 现在可以通过传递 engine='pyxlsb' 来读取二进制 Excel (.xlsb) 文件

来源：https://pandas.pydata.org/pandas-docs/version/1.0.0/whatsnew/v1.0.0.html

Answer 3

Pyxlsb确实是读取xlsb文件的选项，但是相当有限。

我建议使用 xlwings 包，它可以读取和写入 xlsb 文件，而不会丢失 xlsb 文件中的工作表格式、公式等。有大量可用文档。

import pandas as pd
import xlwings as xw

app = xw.App()
book = xw.Book('file.xlsb')
sheet = book.sheets('sheet_name')
df = sheet.range('A1').options(pd.DataFrame, expand='table').value
book.close()
app.kill()

本例中的“A1”是 Excel 表格的起始位置。 要写入 xlsb 文件，只需编写：

sheet.range('A1').value = df

Answer 4

如果你想读取一个大的二进制文件或任何具有某些范围的Excel文件，你可以直接输入此代码

range = (your_index_number)
first_dataframe = []
second_dataframe = []
with open_xlsb('Test.xlsb') as wb:
    with wb.get_sheet('Sheet1') as sheet:
        i=0
        for row in sheet.rows():
            if(i!=range):
                first_dataframe.append([item.v for item in row])
                i=i+1
            else:
                second_dataframe.append([item.v for item in row])


first_dataframe = pd.DataFrame(first_dataframe[1:], columns=first[0])
second_dataframe = pd.DataFrame(second_dataframe[:], columns=first.columns)

Answer 5

为了能够读取xlsb文件，需要安装openpyxl。

根据https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_excel.html#pandas.read_excel

引擎：str，默认无

如果 io 不是缓冲区或路径，则必须设置此项以识别 io。支持的引擎：“xlrd”、“openpyxl”、“odf”、“pyxlsb”。引擎兼容性：

“xlrd”支持旧式 Excel 文件（.xls）。

“openpyxl”支持较新的 Excel 文件格式。

“odf”支持 OpenDocument 文件格式（.odf、.ods、.odt）。

“pyxlsb”支持二进制 Excel 文件。

1.2.0 版本中的更改：xlrd 引擎现在仅支持旧式 .xls 文件。 当engine=None时，将使用以下逻辑来确定引擎：

如果path_or_buffer是OpenDocument格式（.odf、.ods、.odt），则将使用odf。

否则如果path_or_buffer是xls格式，则将使用xlrd。

否则如果安装了openpyxl，则将使用openpyxl。

否则，如果安装了 xlrd >= 2.0，则会引发 ValueError。

否则将使用 xlrd 并引发 FutureWarning。这种情况将在 pandas 的未来版本中引发 ValueError。

不带index_col读取xlsb：

import pandas as pd

dfcluster = pd.read_excel('c:/xml/baseline/distribucion.xlsb', sheet_name='Cluster', index_col=0, engine='pyxlsb')

Answer 6

在我的试验中，接受的答案仅从工作簿中检索到一张纸。 正如 Finrod Felagund 的答案 或检索特定工作表一样，按层次结构使用特定工作簿和工作表会更准确。

为了方便使用，如果您想轻松地将 xlsb 转换为 xlsx，我发现 aspose-cells-python 包很容易用于将 xlsb 转换为 xlsx。目前python 3.11版本的环境就足够了。 来源网站

import aspose.cells 
from aspose.cells import Workbook
workbook = Workbook("input.xlsb")
workbook.save("Output.xlsx")