如何用Python读取Excel中大于50MB的pivot table且不占用过高内存

你遇到的问题根源是openpyxl的底层逻辑限制：普通加载模式会将整个工作簿的所有单元格、样式、对象全部载入内存，50MB带透视表的文件展开后很容易占用数十GB内存；只读模式为了降低内存占用，不会解析加载_pivots这类私有属性，所以会报属性不存在的错误。
以下是可行的解决方案：

方案1：调用本地Excel实例读取（优先推荐） #

直接调用系统安装的Excel原生接口读取，所有文件解析逻辑由Excel原生处理，Python仅读取结果，内存占用和你直接双击打开该Excel文件的占用一致，不会出现内存爆炸的问题，同时可以完整读取透视表的所有属性（字段、缓存、筛选规则等）。
需要先安装依赖：

pip install xlwings pandas

示例代码：

import xlwings as xw
import pandas as pd

# 后台静默启动Excel，不显示界面、不弹出提示
with xw.App(visible=False, add_book=False) as app:
    app.display_alerts = False
    # 打开工作簿
    wb = app.books.open("filename.xlsx")
    # 选中目标工作表
    ws = wb.sheets["myWorksheet"]
    # 读取第一个透视表
    pivot = ws.pivot_tables[0]
    
    # 读取透视表的数值转为DataFrame
    pivot_df = pivot.data_body_range.options(pd.DataFrame, index=False).value
    # 也可以读取透视表的行标签、列字段、值字段等属性
    row_fields = [f.name for f in pivot.row_fields]
    value_fields = [f.name for f in pivot.data_fields]
    
    # 关闭工作簿不保存
    wb.close(save=False)

• 优点：实现简单、内存占用极低、支持读取透视表全量属性
• 缺点：需要本地安装Microsoft Excel，支持Windows、macOS系统，不支持Linux

方案2：直接解析XLSX底层XML（跨平台无依赖） #

XLSX本质是ZIP压缩包，透视表的定义、缓存、数据都单独存放在压缩包内的xl/pivotTables/、xl/pivotCache/目录下，无需加载整个工作簿，只需要提取对应的XML文件解析即可，内存占用仅几MB。
需要先安装依赖：

pip install lxml

示例代码：

import zipfile
from lxml import etree

# 定义OpenXML命名空间
NS = {"x": "http://schemas.openxmlformats.org/spreadsheetml/2006/main"}

with zipfile.ZipFile("filename.xlsx", "r") as zf:
    # 1. 先读取工作簿配置，找到目标工作表对应的ID
    wb_xml = zf.read("xl/workbook.xml")
    wb_root = etree.fromstring(wb_xml)
    target_sheet = wb_root.xpath("//x:sheet[@name='myWorksheet']", namespaces=NS)[0]
    sheet_id = target_sheet.attrib["sheetId"]
    
    # 2. 读取工作表的关系文件，找到关联的透视表路径
    ws_rel_xml = zf.read(f"xl/worksheets/_rels/sheet{sheet_id}.xml.rels")
    rel_root = etree.fromstring(ws_rel_xml)
    pivot_rel = [r for r in rel_root.findall("*") if "pivotTable" in r.attrib["Type"]][0]
    pivot_path = pivot_rel.attrib["Target"].replace("../", "xl/")
    
    # 3. 读取透视表定义
    pivot_xml = zf.read(pivot_path)
    pivot_root = etree.fromstring(pivot_xml)
    cache_id = pivot_root.attrib["cacheId"]
    
    # 4. 读取透视表缓存和数据
    cache_def_xml = zf.read(f"xl/pivotCache/pivotCacheDefinition{cache_id}.xml")
    cache_record_xml = zf.read(f"xl/pivotCache/pivotCacheRecords{cache_id}.xml")
    # 自行解析XML即可拿到所有透视表字段、数据

• 优点：跨平台支持所有系统、无需安装Excel、内存占用最低
• 缺点：需要熟悉OpenXML规范自行解析XML结构，适合定制化开发场景

方案3：只读透视表所在单元格范围（仅需数值时使用） #

如果你不需要读取透视表的结构属性，只需要获取透视表展示的数值，可以直接指定透视表所在的单元格范围读取，无需加载整个工作表。
需要先安装依赖：

pip install pandas openpyxl

示例代码：

import pandas as pd

# 假设透视表在myWorksheet的A1到Z200单元格范围内，按需修改参数
pivot_df = pd.read_excel(
    "filename.xlsx",
    sheet_name="myWorksheet",
    usecols="A:Z",
    nrows=200
)

• 优点：实现最简单、适合快速拿数
• 缺点：需要提前知道透视表的单元格范围，无法读取透视表的结构、字段等元数据

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