Python中按表头名称引用电子表格数据的最优方法？

我有一份电子表格导出的列表数据，格式如下：

data = [
  ['Column A', 'Column B', 'Column C'],
  ['Value A2', 'Value B2', 'Value C2'],
  ['Value A3', 'Value B3', 'Value C3'],
  ['Value A4', 'Value B4', 'Value C4'],
  ...
]

这份数据包含约15列，行数会增长到数百行（不会过千）。我现在需要遍历这份表格，希望能按表头名称引用单元格值。

目前我用pandas实现了需求，代码如下：

# Convert data to dataframe
df = pd.DataFrame(data, columns=data[0])
# Strip out header row
df = df.iloc[1:]
# Loop through rows
for index, row in df.iterrows():
  print(row['Column A'], row['Column C'])

我知道遍历DataFrame并非pandas最佳实践，但因为数据集规模小，我更看重代码可读性，而非复杂的高性能方案。现在想找一种无需导入外部模块的Python 3原生实现方式。

原生Python实现方案 #

核心思路是先建立表头到列索引的映射，再遍历数据行时通过映射快速定位列，实现按表头名称取值，既满足可读性，又无需依赖第三方库。

代码示例 #

# 提取表头和数据行
headers = data[0]
rows = data[1:]

# 创建表头到列索引的映射字典
header_to_index = {header: idx for idx, header in enumerate(headers)}

# 遍历数据行，按表头名称取值
for row in rows:
    # 通过表头名称获取对应单元格值
    col_a_value = row[header_to_index['Column A']]
    col_c_value = row[header_to_index['Column C']]
    print(col_a_value, col_c_value)

方案说明 #

1. 提取表头与数据行：直接拆分原始列表，headers取第一行，rows取剩余所有行，逻辑清晰直观。
2. 映射字典：用字典推导式快速生成表头到列索引的映射，后续取值时间复杂度为O(1)，效率足够应对数百行数据。
3. 遍历取值：遍历每一行时，通过映射字典找到目标表头对应的列索引，直接从行列表中取值，代码可读性和pandas方案接近，且完全原生无依赖。

方案对比 #

• 原pandas方案：优点是API更简洁，适合复杂数据操作；缺点是需要安装依赖，对于小规模数据有点“大材小用”。
• 原生方案：优点是轻量无依赖，代码逻辑简单直接，完全满足小规模数据的可读性需求；缺点是缺少pandas自带的数据分析功能（但你的场景不需要）。

内容的提问来源于stack exchange，提问作者thdoan