当前位置:

首页 > 编程开发 > Python3使用calamine库处理超大Excel文件

Python3使用calamine库处理超大Excel文件

Calamine库是一款轻量级Excel处理工具,支持xls、xlsx、ods及csv等多种格式,解析速度远超openpyxl,处理五十万行海量数据仅需约三点五八秒。API设计简洁易用,可直接读取或结合Pandas的engine参数使用,无需引入Pandas完整生态,非常适合快速解析大文件。

本文目录

    日常处理 Excel 数据时,总会碰到一些“大块头”文件——几十万行甚至上百万行的表格,常规工具一打开就卡死。这时候 calamine 库就是一个相当趁手的轻量级方案。它支持 .xls、.xlsx、.ods 和 .csv 这几种主流格式,API 简洁到几乎不用查文档就能上手。更重要的是,它的解析速度在同类库中几乎是碾压级的,尤其适合那些不想为了一个文件就拖进整个 Pandas 生态的场景。

    Python3使用calamine库处理超大Excel文件

    安装

    安装没什么悬念,一行命令的事:

    pip3 install calamine

    基本用法

    读取 Excel 文件

    先看最常见的情况——读一个 Excel 工作簿,把数据取出来。代码结构非常直观:

    from calamine import Workbook, CellType
    # 打开工作簿
    workbook = Workbook.open("example.xlsx")
    # 获取所有的工作表名称
    sheet_names = workbook.sheet_names()
    print(f"Sheet names: {sheet_names}")
    # 选择第一个工作表
    sheet = workbook.get_sheet_by_index(0)
    # 遍历所有行
    for row in sheet.rows():
        # 每一行是一个列表,包含每个单元格的值
        print([cell.value for cell in row if cell.type != CellType.EMPTY])
    # 关闭工作簿
    workbook.close()

    注意这里默认会跳过空单元格,只输出有值的部分,这一点在实际数据清理中很实用。

    读取 ODS 文件

    如果你的数据源是 LibreOffice 或 OpenOffice 生成的 ODS 文件,操作方式完全一致:

    from calamine import Workbook, CellType
    # 打开 ODS 工作簿
    workbook = Workbook.open("example.ods")
    # 选择第一个工作表
    sheet = workbook.get_sheet_by_index(0)
    # 遍历所有行
    for row in sheet.rows():
        print([cell.value for cell in row if cell.type != CellType.EMPTY])
    # 关闭工作簿
    workbook.close()

    读取 CSV 文件

    CSV 虽然不算严格意义上的电子表格,但 calamine 也给它安排了专门的入口:

    from calamine import Workbook, CellType
    # 打开 CSV 文件
    with open("example.csv", "r") as f:
        workbook = Workbook.from_csv(f)
        # 选择唯一的工作表
        sheet = workbook.get_sheet_by_index(0)
        # 遍历所有行
        for row in sheet.rows():
            print([cell.value for cell in row if cell.type != CellType.EMPTY])

    处理单元格类型

    不同单元格可能存着不同类型的数据——字符串、数字、布尔值,甚至公式和错误值。calamine 提供了一套枚举来区分它们,让你能按需处理:

    from calamine import CellType
    # 假设我们已经打开了一个工作簿并选择了某个工作表
    for row in sheet.rows():
        for cell in row:
            if cell.type == CellType.STRING:
                print(f"String value: {cell.value}")
            elif cell.type == CellType.NUMBER:
                print(f"Number value: {cell.value}")
            elif cell.type == CellType.BOOL:
                print(f"Boolean value: {cell.value}")
            elif cell.type == CellType.ERROR:
                print(f"Error value: {cell.error}")
            elif cell.type == CellType.FORMULA:
                print(f"Formula: {cell.formula}, Result: {cell.value}")
            elif cell.type == CellType.EMPTY:
                print("Empty cell")

    这种细粒度控制在大批量数据清洗时很关键——比如你想只提取数值列,或者标记公式结果。

    获取特定单元格的值

    要是你清楚具体的位置(比如 A1),直接取值就行,省去遍历:

    # 获取 A1 单元格的值
    value = sheet.get_value("A1")
    print(f"Value at A1: {value}")

    更多高级功能

    calamine 还提供了一些进阶能力,虽然不算面面俱到,但在日常场景里足够用了:

    • 遍历列:除了按行,也可以按列方向扫描数据。
    • 合并单元格:能检测到哪些单元格是合并状态,方便后续还原表格结构。
    • 样式信息:虽然它的重心在数据本身,但基础样式信息(如字体、对齐等)也可以拿到。
    • 公式计算:如果你需要的是公式的计算结果,可以在读取时开启对应选项。

    下面给一个完整的实战函数,把读取流程封装起来,顺便做个简单数据处理:

    from calamine import Workbook, CellType
    def read_excel(file_path):
        workbook = Workbook.open(file_path)
        sheet = workbook.get_sheet_by_index(0)
        data = []
        for row in sheet.rows():
            row_data = [cell.value for cell in row if cell.type != CellType.EMPTY]
            if row_data:
                data.append(row_data)
        workbook.close()
        return data
    if __name__ == "__main__":
        file_path = "example.xlsx"
        data = read_excel(file_path)
        # 打印前几行数据作为示例
        for row in data[:5]:
            print(row)

    Python calamine处理超大EXcel文件

    为什么选择 Calamine?

    跟 openpyxl 等传统库比,python-calamine 在处理大规模数据时的优势几乎是降维打击。下面这张表是 50 万行数据测试的典型结果:

    库/引擎读取 50 万行数据的耗时性能对比
    Calamine约 3.58 秒基准 (最快)
    Pandas + Calamine约 7 - 9.4 秒约 2-3 倍于纯 Calamine
    openpyxl约 2 分钟约 10 倍于 Calamine

    注意:不同测试场景下的数据会略有差异,但 Calamine 的领先地位非常明确。

    如何安装与使用

    1. 安装

    通过 pip 即可轻松安装:

    pip install python-calamine

    如果你的项目主要使用 Pandas,只需安装 python-calamine 库,Pandas 即可自动识别并使用它。

    2. 基础用法:直接使用 CalamineWorkbook

    这是最直接的方式,适合对性能有极致要求,或不想引入 Pandas 依赖的场景。

    from python_calamine import CalamineWorkbook
    # 加载 Excel 文件
    workbook = CalamineWorkbook.from_path("your_large_file.xlsx")
    # 获取所有工作表名称
    sheet_names = workbook.sheet_names
    print(sheet_names)
    # 按名称获取工作表,并将其转换为 Python 列表
    sheet_data = workbook.get_sheet_by_name("Sheet1").to_python()
    # 遍历数据
    for row in sheet_data:
        print(row)

    关键点:to_python() 方法默认会跳过数据区域前后的空行和空列,提高效率。

    3. 进阶用法:与 Pandas 结合(推荐)

    如果你习惯使用 Pandas 进行数据分析,最便捷的方式是在 pd.read_excel() 中指定 engine="calamine"。

    import pandas as pd
    # 方法一:读取文件路径
    df = pd.read_excel("your_large_file.xlsx", engine="calamine")
    # 方法二:读取文件对象(推荐,可避免路径问题)
    with open("your_large_file.xlsx", "rb") as f:
        df = pd.read_excel(f, sheet_name="Sheet1", engine="calamine")

    还可以结合 usecols 参数,只读取需要的列,进一步提升性能:

    # 只读取 A 到 N 列
    df = pd.read_excel("large_file.xlsx", usecols="A:N", engine="calamine")

    总结

    calamine 是一个非常轻便且高效的工具,适用于需要快速解析多种格式电子表格的应用程序。它提供的 API 简单直观,易于集成到现有项目中。10倍性能,待验证。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发 Python
    相关文章 更多
    python删除一个列表里的重复元素的方法与代码示例
    python删除一个列表里的重复元素的方法与代码示例

    学习如何使用Python高效删除列表中的重复元素。本文提供5种常见方法的代码示例,涵盖保持顺序与不保持顺序的场景,适合初学者和进阶开发者参考。

    Python写接口的步骤及完整代码示例
    Python写接口的步骤及完整代码示例

    详细讲解使用Python编写Web接口的核心步骤与完整代码示例,涵盖环境准备、路由定义、数据校验、服务启动及调试测试方法。

    codex怎么读取word文档及docx文件操作教程
    codex怎么读取word文档及docx文件操作教程

    介绍如何利用编程工具读取和解析Word文档(docx格式),涵盖基础文本提取代码示例、结构化数据处理逻辑,以及处理复杂排版时的技术局限与替代方案。

    怎么在Python中调用C语言代码提升性能
    怎么在Python中调用C语言代码提升性能

    详细讲解在Python中调用C语言代码提升性能的完整实践指南,包含原理分析、编译步骤、ctypes与CFFI具体实现、性能对比及常见陷阱。

    Python与C语言的性能差异及底层原理
    Python与C语言的性能差异及底层原理

    深入解析Python与C语言在执行效率上的数量级差异,从编译机制、变量内存布局、动态类型推断到GIL锁,系统阐明底层核心原理。

    Python和C语言哪个更适合编程入门
    Python和C语言哪个更适合编程入门

    客观对比Python与C语言在心智负担、底层机制与学习反馈上的核心差异,提供清晰有据的选择标准与切实的入门学习路径。

    selenium上传文件教程本地文件路径设置方法
    selenium上传文件教程本地文件路径设置方法

    深入解析Selenium处理文件上传的技术细节,涵盖标准HTML控件的路径直接注入法与非标准控件的系统级模拟方案,提供Windows与Linux环境下的路径设置最佳实践及常见异常排查。

    大数据开发语言选型:Java对比Scala与Python的优缺点及适用场景
    大数据开发语言选型:Java对比Scala与Python的优缺点及适用场景

    针对大数据工程场景,系统对比Java、Scala与Python在执行性能、生态结合、开发效率和维护成本上的核心差异,给出清晰的架构选型依据与落地方案。

    langgraph python guide中文入门教程详解
    langgraph python guide中文入门教程详解

    本篇LangGraph Python中文入门教程详解,系统梳理StateGraph状态机定义、节点编写、边与条件路由、检查点持久化(MemorySaver)等核心机制,提供从环境安装到完整循环智能体构建的代码示例与实操指导。

    Windows 安装 Python:从官方入口到虚拟环境的可复现实践
    Windows 安装 Python:从官方入口到虚拟环境的可复现实践

    面向后端开发者,基于 Python 官方文档说明如何在 Windows 上安装 Python、创建 venv 虚拟环境及使用 pip 管理依赖。包含可复制命令、验证方法及工具选择边界,避免常见配置误区。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。