Azure Databricks读取xlsx文件报XLRDError等错误如何解决？

1. 优先排查库安装生效状态 #

• 你在集群安装openpyxl后，必须重启集群才能让新安装的库生效，未重启会导致pandas无法识别到已安装的openpyxl
• 重启后先运行代码验证openpyxl是否正常可用：

import openpyxl
print(openpyxl.__version__)

如果运行报错说明openpyxl安装失败，需要重新在集群的库管理界面安装，或者直接在notebook中用命令安装：

%pip install openpyxl
# 运行后按提示重启当前notebook的内核即可，不需要重启整个集群

2. 验证pandas版本兼容性 #

运行代码查看当前pandas版本：

import pandas as pd
print(pd.__version__)

• 如果版本低于1.1.0，需要升级pandas：

%pip install pandas>=1.1.0 openpyxl
# 重启内核后生效

升级完成后再运行你的读取代码即可正常执行：

from io import BytesIO
df = pd.read_excel(BytesIO(orig), engine='openpyxl')

3. 替代方案（不升级组件的情况） #

如果不想升级pandas和安装openpyxl，可以直接降级xlrd到支持xlsx的最后一个版本1.2.0：

%pip install xlrd==1.2.0
# 重启内核后不需要指定engine，直接运行原代码即可
df = pd.read_excel(BytesIO(orig))

内容的提问来源于stack exchange，提问作者jukebox