使用Pandas read_excel读取在线Excel遇IndexError问题求助

这个IndexError是因为你的目标Excel文件里存在引用了不存在工作表的命名区域（比如打印标题/打印区域这类特殊命名范围），openpyxl在解析工作簿时尝试通过索引访问不存在的工作表，导致索引越界。而且这个错误发生在pandas加载整个工作簿的初始化阶段，所以哪怕指定工作表名也无法绕过。

下面给你两种可行的解决方案：

方案1：修复Excel文件中的无效命名区域后读取 #

我们可以先把文件下载到内存，用openpyxl手动过滤掉那些指向无效工作表的命名区域，再传给pandas读取：

import pandas as pd
import requests
from io import BytesIO
from openpyxl import load_workbook

# 1. 从网络下载文件到内存缓冲区
url = "https://ofslivefs.blob.core.windows.net/files/NSS%20data%202022/September/NSS2022_summary_data.xlsx"
response = requests.get(url)
file_buffer = BytesIO(response.content)

# 2. 用openpyxl加载工作簿并清理无效命名区域
wb = load_workbook(file_buffer, read_only=False, data_only=True, keep_links=False)
valid_named_ranges = []
for named_range in wb.defined_names.definedName:
    # 检查命名区域引用的工作表索引是否有效
    if named_range.localSheetId is not None:
        if named_range.localSheetId < len(wb._sheets):
            valid_named_ranges.append(named_range)
        else:
            print(f"移除无效的命名区域: {named_range.name} (工作表索引 {named_range.localSheetId} 超出范围)")
    else:
        valid_named_ranges.append(named_range)

# 更新工作簿的命名区域列表
wb.defined_names.definedName = valid_named_ranges

# 3. 将修复后的工作簿保存到新的内存缓冲区
fixed_buffer = BytesIO()
wb.save(fixed_buffer)
fixed_buffer.seek(0)  # 重置缓冲区指针到开头

# 4. 用pandas读取修复后的文件
df2022 = pd.read_excel(fixed_buffer, sheet_name="Q27 Providers (benchmarked)")
print(df2022.head())

方案2：换用不同的Excel解析引擎 #

openpyxl对这类无效命名区域的处理比较敏感，你可以尝试使用pyxlsb引擎（需要先安装：pip install pyxlsb），它的解析逻辑不同，可能能避开这个问题：

import pandas as pd

# 安装pyxlsb后使用该引擎读取
df2022 = pd.read_excel(
    "https://ofslivefs.blob.core.windows.net/files/NSS%20data%202022/September/NSS2022_summary_data.xlsx",
    sheet_name="Q27 Providers (benchmarked)",
    engine="pyxlsb"
)

补充说明 #

为什么指定工作表名没用？因为pandas在调用read_excel时，首先会加载整个Excel工作簿来获取工作表列表等元数据，这个错误就发生在这个初始化阶段，还没到读取具体工作表的步骤，所以指定sheet名无法绕过这个问题。

内容的提问来源于stack exchange，提问作者elksie5000