通过Google Drive API获取Excel所有工作表数据并转为DataFrame

问题分析 #

原代码存在两个核心问题：

• 在文件未完全下载的循环过程中就调用pd.read_excel，可能导致读取不完整或报错
• 未指定sheet_name参数，默认仅读取第一个工作表

修正后的实现代码 #

import io
import pandas as pd
from googleapiclient.discovery import build
from googleapiclient.http import MediaIoBaseDownload

def get_excel_data(creds, sheet_id):
    # 构建Drive服务
    service = build('drive', 'v3', credentials=creds)
    
    # 完整下载文件到BytesIO
    request = service.files().get_media(fileId=sheet_id)
    file_io = io.BytesIO()
    downloader = MediaIoBaseDownload(file_io, request)
    done = False
    while not done:
        status, done = downloader.next_chunk()
    
    # 重置文件指针到开头（下载后指针停在末尾，需重置才能读取）
    file_io.seek(0)
    
    # 加载Excel文件对象，获取所有工作表名称
    excel_file = pd.ExcelFile(file_io, engine='openpyxl')
    sheet_names = excel_file.sheet_names
    
    # 定义获取指定工作表DataFrame的函数
    def get_sheet_df(sheet_name):
        return excel_file.parse(sheet_name)
    
    return sheet_names, get_sheet_df

使用示例 #

# 假设已通过服务账号获取到合法的creds对象
sheet_names, get_df = get_excel_data(creds, "你的Google Drive文件ID")

# 打印所有工作表名称
print("所有工作表：", sheet_names)

# 获取指定工作表的DataFrame
df_sheet1 = get_df("Sheet1")
df_sheet2 = get_df("Sheet2")

关键说明 #

• 完整下载文件：必须等待downloader.next_chunk()完成后再处理文件，避免读取不完整的数据流
• 重置文件指针：BytesIO在写入后指针会停在末尾，必须用seek(0)重置到开头才能被pd.ExcelFile正确读取
• ExcelFile对象：通过pd.ExcelFile加载文件后，可以高效获取所有工作表名称，并且按需解析指定工作表，无需重复下载文件
• 依赖安装：确保已安装openpyxl库（执行pip install openpyxl），用于处理.xlsx格式文件

内容的提问来源于stack exchange，提问作者Solrac