使用Python遍历Excel工作表：批量提取指定列/行数据

针对你的大型Excel文件（50个工作表），推荐用字典统一存储数据来避免变量泛滥，比创建50个单独变量更易管理。以下是具体实现：

1. 依赖安装 #

先确保安装了必要的库：

pip install pandas openpyxl

如果是.xls格式，需要安装旧版xlrd：

pip install xlrd==1.2.0

2. 统一存储到字典（推荐） #

读取所有工作表的第3行数据，存入字典，键为工作表名称，值为对应行的数据集：

import pandas as pd

# 加载Excel文件，避免重复读取提升效率
excel_file = pd.ExcelFile("你的文件路径.xlsx")
sheet_names = excel_file.sheet_names

# 初始化字典存储数据
sheet_row_dict = {}

for sheet_name in sheet_names:
    # 仅读取第3行（注意：pandas行索引从0开始，第3行对应skiprows=2，nrows=1）
    row_df = excel_file.parse(sheet_name, skiprows=2, nrows=1)
    # 转为Series方便后续取值
    sheet_row_dict[sheet_name] = row_df.squeeze()

# 示例：访问"消费者1"工作表的第3行数据
# print(sheet_row_dict["消费者1"])

3. 拆分为单独变量（不推荐，但满足需求） #

如果一定要拆成50个变量，可以从字典中动态生成：

# 按工作表顺序生成变量row_0到row_49
for idx, sheet_name in enumerate(sheet_names):
    globals()[f"row_{idx}"] = sheet_row_dict[sheet_name]

# 示例：访问第一个工作表对应的变量
# print(row_0)

注意事项 #

• 用pd.ExcelFile加载文件比多次调用pd.read_excel更高效，适合大型文件
• 确认第3行的定位：如果工作表有表头，需调整skiprows参数（比如表头占1行，数据第3行就是skiprows=2）
• 字典存储的方式更易维护，后续筛选、遍历数据都更方便

内容的提问来源于stack exchange，提问作者Tams