指定与不指定sheet_name时Pandas read_excel()的行为差异及原因

核心原因解析 #

1. 底层引擎的解析策略差异 #

Pandas 的 read_excel() 会根据文件后缀自动选择解析引擎（.xlsx 默认用 openpyxl，.xls 默认用 xlrd），而是否指定 sheet_name 会触发引擎不同的读取逻辑：

• 不指定 sheet_name 时（默认值为 0，即第一个工作表），部分引擎（如旧版 openpyxl）会优先依赖 Excel 内部标记的「已使用区域」（UsedRange）读取数据。如果这个区域标记异常（比如曾插入大量空白列后删除），引擎会错误截断读取范围，导致只读到部分列（表现为 Unnamed: X 这类无效列名），同时因为读取范围小，耗时极短。
• 指定 sheet_name 时，引擎会强制扫描整个工作表的所有单元格（包括空白列/行），确保完整读取所有内容，因此能正确识别全部70列，但遍历大量空白单元格会导致耗时剧增。

2. Excel 文件的「已使用区域」标记异常 #

Excel 会在文件中记录每个工作表的「已使用区域」，如果这个标记因误操作（比如批量插入后删除空白列/行）变得不准确，就会出现：

• 不指定 sheet_name 时，引擎基于错误的区域标记读取，结果列数不足且列名异常。
• 指定 sheet_name 时，引擎跳过这个标记，直接扫描整个工作表，从而读取到正确的列。

3. 引擎版本的兼容性 bug #

部分旧版本的 openpyxl 或 xlrd 在处理未指定 sheet_name 的场景时，存在表头解析逻辑的 bug：

• 未指定 sheet_name 时，无法正确识别第一行的列名，生成 Unnamed: X 的无效列名。
• 指定 sheet_name 后，解析逻辑恢复正常，能正确读取表头。

验证与解决方法 #

• 验证已使用区域：打开 Excel 文件，按下 Ctrl+End，如果光标跳到空白的列/行，说明「已使用区域」标记异常。可删除多余的空白列/行后保存文件，修复标记。
• 限定读取范围：如果不想扫描整个工作表，可通过 usecols 参数指定要读取的列范围，同时显式指定引擎，减少耗时：

df = pd.read_excel('file.xlsx', header=0, sheet_name='Sheet1', engine='openpyxl', usecols='A:BT')

• 升级引擎版本：更新 openpyxl 或 xlrd 到最新版本，修复旧版本的解析 bug：

pip install --upgrade openpyxl xlrd

内容的提问来源于stack exchange，提问作者Andrea Ciufo