如何使用Pandas快速获取大体积Excel文件的表头名称？

针对读取大体积Excel表头过慢的问题，给你几个实用的提速方案：

• 换用轻量型Excel读取库
  放弃openpyxl，改用pyexcelerate——它专门针对快速读取Excel结构做了优化，读取表头不需要解析整个文件内容。安装后用下面的代码：

  from pyexcelerate import Workbook
  wb = Workbook()
  wb.load("E:\DATA\dbo.xlsx")
  get_col = wb.get_sheet(0).get_row(1)  # 第一行是表头，索引从1开始
  print(get_col)
  

  这个方法通常能把耗时压缩到几秒内。

• 直接解析XLSX的压缩包结构
  XLSX本质是ZIP压缩包，里面的工作表数据存在xl/worksheets/sheet1.xml（如果是第一个工作表）里。我们可以用Python内置的zipfile直接解压读取表头节点，完全绕过Excel解析库，速度最快：

  import zipfile
  from xml.etree import ElementTree as ET
  
  with zipfile.ZipFile("E:\DATA\dbo.xlsx", 'r') as zf:
      # 读取第一个工作表的xml文件，若有多个工作表需调整文件名
      with zf.open('xl/worksheets/sheet1.xml') as f:
          tree = ET.parse(f)
          root = tree.getroot()
          # 命名空间处理
          ns = {'ss': 'http://schemas.openxmlformats.org/spreadsheetml/2006/main'}
          # 获取第一行的所有单元格
          header_row = root.find('.//ss:row[@r="1"]', ns)
          get_col = [cell.find('.//ss:v', ns).text for cell in header_row.findall('.//ss:c', ns)]
  print(get_col)
  

  这个方法几乎是瞬时完成，因为只读取和解析表头对应的一小段XML内容。

• 优化pandas的读取参数（效果有限但简单）
  如果坚持用pandas，可以尝试指定engine='xlrd'（注意：xlrd 2.0+不再支持XLSX，需要安装xlrd==1.2.0），同时加上usecols=None和dtype=object减少类型推断开销：

  import pandas as pd
  get_col = list(pd.read_excel("E:\DATA\dbo.xlsx", nrows=1, engine='xlrd', usecols=None, dtype=object).columns)
  print(get_col)
  

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