我最近有一个项目，我必须从大量 Excel 文件中加载信息，每个文件都有 12 张需要读取的工作表。在以前的项目中，我只是使用以下方法：
df = pd.read_excel(file_path, sheet_name = sheet1, engine = 'openpyxl')
# Grab what I need from this sheet
df = pd.read_excel(file_path, sheet_name = sheet2, engine = 'openpyxl')
# Grab what I need from this sheet
等等。它运行速度足够快，需要读入的 Excel 工作簿数量较少。但是，在这个项目中，需要几个小时。然后我尝试这样做：
wb = openpyxl.load_workbook(file_path,data_only=True,read_only=True)
ws = wb['sheet1']
# Grab what I need from this sheet
ws = wb['sheet2']
# Grab what I need from this sheet
等等。这运行了大约 20 分钟。
那么，如果两种方法都使用 openpyxl，为什么第二种方法要快得多？是否是因为我只打开工作簿本身一次，而不是在第一种方法中每次收到新工作表时都打开它？如果是这种情况，我如何使用第二种方法，但将工作表作为 pandas 数据框读入？
Pandas 使用 openpyxl 读取 XLSX 文件。然后，它将它们转换为 Dataframe 对象，但是，由于 XLSX 工作表是基于行的，而 Dataframes 是基于列的，因此可能会使用大量内存和时间。如果您想使用 Pandas 但直接使用 openpyxl，则必须执行此操作。例如，如果您想将内容插入数据库。对于某些任务，您甚至可以使用多个进程。请参阅文档中的性能说明。