解决使用Pandas 读取超过65536行的Excel文件问题


Posted in Python onNovember 10, 2020

场景

今天需要合并天猫订单数据,由于前期6.18活动有很多数据需要处理,将几个月份合并一起,结果报错。

解决使用Pandas 读取超过65536行的Excel文件问题

问题分析

Excel 文件的格式曾经发生过一次变化,在 Excel 2007 以前,使用扩展名为 .xls 格式的文件,这种文件格式是一种特定的二进制格式,最多支持 65,536 行,256 列表格。从 Excel 2007 版开始,默认采用了基于 XML 的新的文件格式 .xlsx ,支持的表格行数达到了 1,048,576,列数达到了 16,384。需要注意的是,将 .xlsx 格式的文件转换为 .xls 格式的文件时,65536 行和 256 列之后的数据都会被丢弃。

Pandas 读取 Excel 文件的引擎是 xlrd , xlrd 虽然同时支持 .xlsx 和 .xls 两种文件格式,但是在源码文件 xlrd/sheet.py 中限制了读取的 Excel 文件行数必须小于 65536,列数必须小于 256。

if self.biff_version >= 80:
  self.utter_max_rows = 65536
else:
  self.utter_max_rows = 16384
self.utter_max_cols = 256

这就导致,即使是 .xlsx 格式的文件, xlrd 依然不支持读取 65536 行以上的 Excel 文件(源码中还有一个行数限制是 16384,这是因为 Excel 95 时代, xls 文件所支持的最大行数是 16384)。

解决办法

openpyxl 是一个专门用来操作 .xlsx 格式文件的 Python 库,和 xlrd 相比它对于最大行列数的支持和 .xlsx 文件所定义的最大行列数一致。

首先安装 openpyxl :

pip install openpyxl

Pandas 的 read_excel 方法中,有 engine 字段,可以指定所使用的处理 Excel 文件的引擎,填入 openpyxl ,再读取文件就可以了。

import os
import pandas as pd

# 将文件读取出来放一个列表里面

pwd = '1' # 获取文件目录

# 新建列表,存放文件名
file_list = []

# 新建列表存放每个文件数据(依次读取多个相同结构的Excel文件并创建DataFrame)
dfs = []

for root,dirs,files in os.walk(pwd): # 第一个为起始路径,第二个为起始路径下的文件夹,第三个是起始路径下的文件。
  for file in files:
    file_path = os.path.join(root, file)
    file_list.append(file_path) # 使用os.path.join(dirpath, name)得到全路径
    df = pd.read_excel(file_path) # 导入xlsx文件,将excel转换成DataFrame
    dfs.append(df)

# 将多个DataFrame合并为一个
df = pd.concat(dfs)

# 数据输出,写入excel文件,不包含索引数据
# 数据写入 Excel,需要首先安装一个 engine,由 engine 负责将数据写入 Excel,pandas 使用 openpyx 或 xlsxwriter 作为写入引擎。
df.to_excel('test\\1.xlsx', index=False,engine='openpyxl') # 导出 Excel,一般不需要索引,将 index 参数设为 False

补充知识:python使用xlrd读取excel数据作为requests的请求参数,并把返回的数据写入excel中

实现功能:

从excel中的第一列数据作为post请求的数据,数据为json格式;把post返回的结果写入到excel的第二列数据中,并把返回数据与excel中的预期结果做比较,如果与预期一致则在案例执行结果中写入成功,否则写入失败。

每一行的数据都不一样,可实现循环调用

# !/usr/bin/env python
# -*- coding:utf-8 -*-
#import xlwt #这个专门用于写入excel的库没有用到
import xlrd
from xlutils.copy import copy
import requests
import json
old_excel = xlrd.open_workbook('excel.xls')
sheet = old_excel.sheets()[0]
url = 'http://10.1.1.32:1380/service/allocFk2'
headers = {'Content-Type': 'application/json'}
i = 0
new_excel = copy(old_excel)
for row in sheet.get_rows():
  data = row[0].value
  response = requests.post(url=url, headers=headers, data=data)
  text = response.text
  #使用json.loads可以把Unicode类型,即json类型转换成dict类型
  text = json.loads(text)["returnMsg"] #屏蔽这行代码即可把返回的完整数据写入文件中
  ws = new_excel.get_sheet(0)
  ws.write(i,1,text)
  new_excel.save('excel.xls')
  old_excel = xlrd.open_workbook('excel.xls')
  new_excel = copy(old_excel)
  i = i+1

执行前的excel格式:

发送报文 返回报文 校验字符 案例执行结果
{ "projectId" :"0070", "projectAllocBatch" :"1", "serviceCode" :"GT012", "seqNo" :"180800272201GT51286712", "tranTimeStamp" :"20180817102244", "sign" :"2dbb89a6bd86b2af1ff6a76c35c05284" } 交易失败
{ "projectId" :"0070", "projectAllocBatch" :"1", "serviceCode" :"GT012", "seqNo" :"180800272201GT51286713", "tranTimeStamp" :"20180817102244", "sign" :"2dbb89a6bd86b2af1ff6a76c35c05284" } 交易失败
{ "projectId" :"0070", "projectAllocBatch" :"1", "serviceCode" :"GT012", "seqNo" :"180800272201GT51286713", "tranTimeStamp" :"20180817102244", "sign" :"2dbb89a6bd86b2af1ff6a76c35c05284" } 交易成功

执行后的结果:

解决使用Pandas 读取超过65536行的Excel文件问题

调试过程中遇到的问题:

1、一开始在for循环的最后没有增加这两行代码

old_excel = xlrd.open_workbook('excel.xls')

new_excel = copy(old_excel)

这样的话new_excel永远都是一开始获取到的那一个,只会把最后一个循环返回的结果写入文件,因为之前的全部都被一开始获取的那个old_excel给覆盖了,所以每次执行完写入操作以后都要重新做一次copy操作,这样就能保证new_excel是最新的。

2、注意执行程序之前要把excel关闭,否则会报错

以上这篇解决使用Pandas 读取超过65536行的Excel文件问题就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
python回调函数用法实例分析
May 09 Python
python实现将内容分行输出
Nov 05 Python
Python实现类似jQuery使用中的链式调用的示例
Jun 16 Python
Python学习之Anaconda的使用与配置方法
Jan 04 Python
python微元法计算函数曲线长度的方法
Nov 08 Python
Django管理员账号和密码忘记的完美解决方法
Dec 06 Python
Django restframework 源码分析之认证详解
Feb 22 Python
Python 变量的创建过程详解
Sep 02 Python
Python 3 使用Pillow生成漂亮的分形树图片
Dec 24 Python
浅谈对pytroch中torch.autograd.backward的思考
Dec 27 Python
使用pytorch和torchtext进行文本分类的实例
Jan 08 Python
Python从文件中读取数据的方法步骤
Nov 18 Python
python各种excel写入方式的速度对比
Nov 10 #Python
Python 使用xlwt模块将多行多列数据循环写入excel文档的操作
Nov 10 #Python
详解vscode实现远程linux服务器上Python开发
Nov 10 #Python
Python调用飞书发送消息的示例
Nov 10 #Python
python中pyplot基础图标函数整理
Nov 10 #Python
python图片合成的示例
Nov 09 #Python
python 实现"神经衰弱"翻牌游戏
Nov 09 #Python
You might like
PHP中date与gmdate的区别及默认时区设置
2014/05/12 PHP
Javascript注入技巧
2007/06/22 Javascript
一个javascript参数的小问题
2008/03/02 Javascript
jquery 输入框数字限制插件
2009/11/10 Javascript
Notify - 基于jquery的消息通知插件
2011/10/18 Javascript
javascript中对Attr(dom中属性)的操作示例讲解
2013/12/02 Javascript
Jquery性能优化详解
2014/05/15 Javascript
JavaScript监听文本框回车事件并过滤文本框空格的方法
2015/04/16 Javascript
js实现div在页面拖动效果
2016/05/04 Javascript
JavaScript中对JSON对象的基本操作示例
2016/05/21 Javascript
浅谈js的html元素的父节点,子节点
2016/08/06 Javascript
基于 webpack2 实现的多入口项目脚手架详解
2017/06/26 Javascript
bootstrap是什么_动力节点Java学院整理
2017/07/14 Javascript
利用vue+elementUI实现部分引入组件的方法详解
2017/11/22 Javascript
利用adb shell和node.js实现抖音自动抢红包功能(推荐)
2018/02/22 Javascript
讲解vue-router之什么是编程式路由
2018/05/28 Javascript
vue+iview+less 实现换肤功能
2018/08/17 Javascript
vue-cli 3.x配置跨域代理的实现方法
2019/04/12 Javascript
python中函数默认值使用注意点详解
2016/06/01 Python
教你用Python脚本快速为iOS10生成图标和截屏
2016/09/22 Python
python3实现ftp服务功能(服务端 For Linux)
2017/03/24 Python
Python Json序列化与反序列化的示例
2018/01/31 Python
Python通过调用有道翻译api实现翻译功能示例
2018/07/19 Python
django DRF图片路径问题的解决方法
2018/09/10 Python
Django项目中实现使用qq第三方登录功能
2019/08/13 Python
加拿大折扣、优惠券和交易网站:WagJag
2018/02/07 全球购物
会计专业个人求职信范文
2014/01/08 职场文书
医学专业应届生的自我评价
2014/02/28 职场文书
战略合作意向书
2014/07/29 职场文书
大学生军训自我鉴定范文
2014/09/18 职场文书
简易离婚协议书范本2014
2014/10/15 职场文书
自荐信模板大全
2015/03/27 职场文书
工作调动申请报告
2015/05/18 职场文书
2015年学校禁毒工作总结
2015/05/27 职场文书
幼儿园园长六一致辞
2015/07/31 职场文书
Apache Linkis 中间件架构及快速安装步骤
2022/03/16 Servers