实测openpyxl结合pandas比pd.read_excel慢，求解析差异原因

以下是导致测试结果与文章结论相悖的核心原因：

• Openpyxl加载了整个工作簿而非仅目标工作表
  你的代码中openpyxl.load_workbook(myfile)会解析Excel文件的全部内容，包括另外两个小型数据透视表的结构、格式元数据，即便你只需要读取"data"工作表。而pd.read_excel在指定sheet_name="data"时，底层会仅解析目标工作表的数据，跳过其他工作表的加载流程，节省了大量非必要的解析时间。

• 未启用Openpyxl的只读模式
  Openpyxl默认以读写模式（read_only=False）加载工作簿，这种模式会将整个文件的所有内容（包括单元格样式、格式、透视表对象等）加载到内存，对于包含大工作表的文件来说开销极大。启用只读模式（read_only=True）后，Openpyxl会采用流式读取方式，无需将整个工作簿加载到内存，速度会显著提升。同时搭配data_only=True可直接读取单元格的计算结果而非公式，进一步减少解析开销。

• Python循环的低效性
  你手动通过for row in worksheet.iter_rows(...)循环并逐个append到列表的方式，在数据量较大时会因Python解释器的循环开销变慢。而pd.read_excel底层依赖优化后的解析逻辑（如Openpyxl的底层高效接口）批量处理数据，避免了Python层面的循环损耗。

优化后的Openpyxl基准测试代码 #

import time
import pandas as pd
import openpyxl

# Benchmarking optimized openpyxl and pandas
start = time.time()
workbook = openpyxl.load_workbook(myfile, read_only=True, data_only=True)
worksheet = workbook['data']
rows = list(worksheet.iter_rows(values_only=True))
df = pd.DataFrame(rows[1:], columns=rows[0])
workbook.close()  # 只读模式下需手动关闭工作簿
end = time.time()
print(f"Optimized openpyxl and pandas took {end - start:.2f} seconds")

内容的提问来源于stack exchange，提问作者Achille G