使用PySpark的com.crealytics.spark.excel读取含公式Excel文件输出错误怎么办？

问题原因 #

使用com.crealytics.spark.excel库读取Excel时，默认会读取单元格的公式本身，而非公式计算后的最终数值，这是导致输出结果不正确的核心原因。

可行解决方案 #

方案1：显式配置读取计算结果 #

通过添加readFormulaCells参数，强制读取公式计算后的数值：

input_MonthGroup_df = spark.read.format("com.crealytics.spark.excel") \
    .option("header", "true") \
    .option("inferSchema", "true") \
    .option("readFormulaCells", "false") \
    .load(MonthGroup_file_path)

注：部分版本的库默认readFormulaCells为true（读取公式），显式设为false即可读取计算值。

方案2：指定数据范围并启用数值格式 #

结合dataAddress指定工作表范围，同时开启usePlainNumberFormat确保数值格式正确解析：

input_MonthGroup_df = spark.read.format("com.crealytics.spark.excel") \
    .option("header", "true") \
    .option("inferSchema", "true") \
    .option("dataAddress", "'你的工作表名'!A1:XFD1048576[#All]")  # 替换为实际工作表名
    .option("usePlainNumberFormat", "true") \
    .load(MonthGroup_file_path)

方案3：预处理Excel文件（备选） #

如果上述配置无效，可先手动处理Excel：

• 打开文件后按Ctrl+Shift+~显示所有计算值
• 全选数据，使用「复制-粘贴为数值」功能批量转换公式单元格为纯数值，再保存文件后用Spark读取

内容的提问来源于stack exchange，提问作者AzSurya Teja