如何使用Pandas遍历xlsx工作表并仅读取指定列数据

环境准备 #

• 需先安装pandas及xlsx专用读取引擎openpyxl，执行安装命令：
  pip install pandas openpyxl

核心实现思路 #

• 读取xlsx文件时直接指定仅加载需要的3个目标列，跳过其他无关列，大幅降低内存占用
• 数据集加载完成后逐行遍历，按列名直接获取对应单元格的取值，全程不需要处理其他冗余列

可直接复用的示例代码 #

import pandas as pd

# 替换为你本地的xlsx文件路径
file_path = "你的工作表.xlsx"

# 读取文件时通过usecols参数指定仅加载3个目标列
excel_df = pd.read_excel(
    io=file_path,
    engine="openpyxl",
    usecols=["URN", "GUID", "CODE"]
)

# 逐行遍历提取每列的取值
for row_index, row_data in excel_df.iterrows():
    # 按列名直接读取当前行的三个目标值
    current_urn = row_data["URN"]
    current_guid = row_data["GUID"]
    current_code = row_data["CODE"]
    # 后续可在此处添加自定义业务逻辑，比如数据校验、结果写入其他文件等
    print(f"行号{row_index + 2}取值：URN={current_urn}, GUID={current_guid}, CODE={current_code}")

性能优化与常见问题处理 #

• 大表遍历提速：当工作表数据量超过10万行时，可替换遍历方法为itertuples()，遍历效率比iterrows()高30%以上，写法如下：

  # 高性能遍历版本
  for row_data in excel_df.itertuples(index=False):
      current_urn = row_data.URN
      current_guid = row_data.GUID
      current_code = row_data.CODE
  

• 列名匹配报错处理：如果运行时提示找不到'URN'/'GUID'/'CODE'列，大概率是原始表的列名前后带了多余空格，可在读取后加一行清洗代码解决：excel_df.columns = excel_df.columns.str.strip()，统一去掉列名前后的空白字符即可完成精准匹配。
• 避免无效内存消耗：不要先读取全表再筛选目标列，这种操作对于列数多、单文件超过100M的场景会造成不必要的内存浪费，直接在读取阶段通过usecols指定目标列的方式，整体处理速度会提升数倍。

内容的提问来源于stack exchange，提问作者Renma