Python向现有xlsx文件新增工作表遇报错及内存占用过高求助

核心错误原因 #

1. pd.read_excel()参数错误：你直接将openpyxl的Workbook对象传给了pd.read_excel()，但该函数只接受文件路径、ExcelFile实例或字节流，这就是Invalid file path or buffer object type错误的直接原因。
2. openpyxl内存占用过高：openpyxl会将整个工作簿的所有内容（包括样式、格式、公式等）加载到内存中，哪怕文件体积只有6-12MB，若内部数据量庞大，也会导致内存暴涨甚至程序无响应。

解决方案 #

方案一：分开处理工作表创建与数据读取 #

先通过openpyxl完成工作表的创建与保存，再用pandas直接读取文件路径，避免传递Workbook对象：

def HCReport(self):
    wb2 = load_workbook(filename='HC-Template.xlsx')
    ws2 = wb2['Raw Data']
    allCols = ['Employee Number', 'Full Name', 'Team']

    input_file = self.inputHC.get()
    # 1. 检查并创建工作表
    wb = load_workbook(input_file)
    if 'Raw Data' not in wb.sheetnames:
        wb.create_sheet('Raw Data')
    # 保存后关闭工作簿，释放内存
    wb.save(input_file)
    wb.close()

    # 2. 用pandas读取文件
    df = pd.read_excel(input_file, sheet_name='Raw Data')
    print(df.head())

方案二：用pandas ExcelWriter处理（适合无复杂格式的文件） #

如果原文件没有复杂样式/公式，优先用pandas的ExcelWriter追加工作表，内存占用更低：

def HCReport(self):
    wb2 = load_workbook(filename='HC-Template.xlsx')
    ws2 = wb2['Raw Data']
    allCols = ['Employee Number', 'Full Name', 'Team']

    input_file = self.inputHC.get()
    # 检查现有工作表
    sheet_names = pd.ExcelFile(input_file).sheet_names
    if 'Raw Data' not in sheet_names:
        # 追加模式打开文件，创建空工作表
        with pd.ExcelWriter(input_file, mode='a', engine='openpyxl', if_sheet_exists='new') as writer:
            pd.DataFrame().to_excel(writer, sheet_name='Raw Data', index=False)
    
    # 读取目标工作表
    df = pd.read_excel(input_file, sheet_name='Raw Data')
    print(df.head())

注意：if_sheet_exists='new'需要pandas 1.4.0及以上版本，若版本过低，可提前检查工作表再执行创建逻辑。

内存优化建议 #

• 指定读取列：读取时只加载需要的列，减少内存占用：

  df = pd.read_excel(input_file, sheet_name='Raw Data', usecols=allCols)
  

• openpyxl参数优化：加载文件时添加data_only=True，只读取单元格值而非公式：

  wb = load_workbook(input_file, data_only=True)
  

• 分块读取：数据量极大时，用chunksize分块处理：

  for chunk in pd.read_excel(input_file, sheet_name='Raw Data', chunksize=1000):
      print(chunk.head())
      # 处理逻辑
  

内容的提问来源于stack exchange，提问作者Alfa Rojo