ExcelFile 与。熊猫中的read_excel

Question

我正在研究熊猫并进行试验。至于从 Excel 文件中读取数据。我想知道使用 ExcelFile 和 read_excel 有什么区别。两者似乎都有效（尽管语法略有不同，正如预期的那样），并且文档支持两者。在这两种情况下，文档都描述了相同的方法：“将 Excel 表读入 DataFrame”和“将 Excel 表读入 pandas DataFrame”。 （documentation for read_excel 和 for excel_file）

我在 SO 上看到了使用其中任何一种的答案，但没有解决差异。此外，Google 搜索并未产生讨论此问题的结果。

WRT 我的测试，这些看起来是等效的：

path = "test/dummydata.xlsx"
xl = pd.ExcelFile(path)
df = xl.parse("dummydata")  # sheet name

和

path = "test/dummydata.xlsx" 
df = pd.io.excel.read_excel(path, sheetname=0)

除了后者为我节省了一行之外，两者之间是否有区别，是否有理由使用其中一个？

谢谢！

Answer 1

我相信 Pandas 的第一个 excel 实现使用了两步过程，但随后添加了名为 read_excel 的一步过程。可能会留下第一个，因为人们已经在使用它了

Answer 2

ExcelFile.parse 更快。

假设您正在循环读取数据帧。 使用ExcelFile.parse，您只需传递Excelfile 对象（在您的情况下为xl）。所以excel表只加载一次，你用它来获取你的数据框。 在 Read_Excel 的情况下，您传递路径而不是 Excelfile 对象。所以基本上每次再次加载工作簿时。如果您的工作簿有大量工作表和数万行，则会造成混乱。

Answer 3

除了语法之外没有特别的区别。从技术上讲，ExcelFile 是一个类，read_excel 是一个函数。在任何一种情况下，实际的解析都由ExcelFile 中定义的_parse_excel 方法处理。

在早期版本的 pandas 中，read_excel 完全由一条语句组成（cmets 除外）：

return ExcelFile(path_or_buf,kind=kind).parse(sheetname=sheetname,
                                              kind=kind, **kwds)

而ExcelFile.parse 所做的只是致电ExcelFile._parse_excel。

在最新版本的 pandas 中，read_excel 确保它有一个 ExcelFile 对象（如果没有，则创建一个），然后直接调用 _parse_excel 方法：

if not isinstance(io, ExcelFile):
    io = ExcelFile(io, engine=engine)

return io._parse_excel(...)

通过更新（和统一）的参数处理，ExcelFile.parse 真的只是一条语句：

return self._parse_excel(...)

这就是为什么ExcelFile.parse 的文档现在说

等效于 read_excel(ExcelFile, ...) 有关接受参数的更多信息，请参阅 read_excel 文档字符串

至于another answer 声称ExcelFile.parse 在循环中更快，这实际上归结为您是否每次都从头开始创建ExcelFile 对象。您当然可以在循环外创建一次 ExcelFile，然后将 that 传递给循环内的 read_excel：

xl = pd.ExcelFile(path)
for name in xl.sheet_names:
    df = pd.read_excel(xl, name)

这相当于

xl = pd.ExcelFile(path)
for name in xl.sheet_names:
    df = xl.parse(name)

如果您的循环涉及不同的路径（换句话说，您正在阅读许多不同的工作簿，而不仅仅是单个工作簿中的多个工作表），那么您就无法避免创建品牌- 无论如何，每个路径的新 ExcelFile 实例，然后再一次，ExcelFile.parse 和 read_excel 将是等效的（并且同样慢）。