ExcelFile与pandas中的read_excel

Question

我正在学习pandas，并在尝试从Excel文件中读取数据。我想知道使用ExcelFile和read_excel之间有什么区别。两者看起来都能正常工作（虽然语法上有些不同，这也是可以理解的），而且文档中都支持这两种方法。在这两种情况下，文档对这两种方法的描述是一样的：“将Excel表格读入DataFrame”和“将Excel表格读入pandas DataFrame”。（read_excel的文档，以及excel_file的文档）

我在StackOverflow上看到的回答使用了这两种方法，但没有解释它们之间的区别。而且，谷歌搜索也没有找到讨论这个问题的结果。

根据我的测试，这两种方法似乎是等效的：

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)

除了后者让我少写了一行代码之外，这两者之间还有什么区别吗？有没有理由选择其中一个？

谢谢！

Answer 1

我觉得Pandas最开始处理Excel文件是用两步走的方式，但后来又增加了一种叫做read_excel的一步走的方法。可能是因为很多人已经在用最开始的那种方法，所以才把它保留下来了。

Answer 2

ExcelFile.parse 更快。

假设你在一个循环中读取数据框（dataframe）。使用 ExcelFile.parse 时，你只需要传入 Excelfile 对象（在你的例子中是 xl）。这样，Excel 表格只会加载一次，然后你就可以用它来获取你的数据框。

而如果使用 Read_Excel，你需要传入文件路径，而不是 Excelfile 对象。这样每次都会重新加载工作簿。如果你的工作簿里有很多表格和成千上万的行，这样做就会很麻烦。

Answer 3

其实这两者之间没有太大的区别，主要就是语法上的不同。从技术上讲，ExcelFile 是一个类，而 read_excel 是一个函数。不过无论是哪种情况，真正处理解析的工作都是由 ExcelFile 里面的 _parse_excel 方法来完成的。

在早期版本的 pandas 中，read_excel 其实就只有一行代码（除了注释之外）：

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

而 ExcelFile.parse 也只是简单地调用了 ExcelFile._parse_excel。

在最近的 pandas 版本中，read_excel 会确保它有一个 ExcelFile 对象（如果没有的话就会创建一个），然后直接调用 _parse_excel 方法：

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

return io._parse_excel(...)

而且在更新后的参数处理方式下，ExcelFile.parse 其实也就变成了一行代码：

return self._parse_excel(...)

这就是为什么 ExcelFile.parse 的文档现在说：

等同于 read_excel(ExcelFile, ...) 有关接受参数的更多信息，请查看 read_excel 的文档

至于 另一个回答 说 ExcelFile.parse 在循环中更快，其实主要是看你每次是否都在重新创建 ExcelFile 对象。你完全可以在循环外创建一次 ExcelFile，然后在循环中把它传给 read_excel：

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

这其实是等同于：

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

如果你的循环涉及到不同的 路径（也就是说，你在读取多个不同的工作簿，而不仅仅是同一个工作簿里的多个表），那么你还是得为每个路径创建一个全新的 ExcelFile 实例。这样一来，ExcelFile.parse 和 read_excel 也就没有区别（而且速度也一样慢）。