如何使用Python借助xlrd库从Excel循环读取多列数据

原代码的核心问题 #

• 列索引硬编码：循环读取行时，单元格列位置固定写死为3，没有遍历多列的逻辑，因此只会固定输出指定单列的内容
• 未提取单元格实际值：直接将sheet.cell(...)返回的xlrd Cell对象存入列表，而非单元格的实际文本/数值，后续计算、导出都会出现异常
• 格式小问题：workbook行存在多余缩进，会触发语法报错

调整逻辑说明 #

xlrd的行、列索引均从0开始计数，要实现多列批量读取，核心是先定义需要读取的目标列索引集合，再在行循环中遍历这些目标列收集对应单元格的值，不需要修改整体的行循环结构，只要把固定列值替换为列列表的遍历即可。

可直接复用的实现代码 #

方案1：按行存储多列数据（适合数据分析场景，最常用） #

最终存储的结构为二维列表：每一行对应一个子列表，子列表内按顺序存放该行所有目标列的实际值

import xlrd
file_location = "dec_DB.xlsx"

workbook = xlrd.open_workbook(file_location)
sheet = workbook.sheet_by_name('Sheet1')

# 配置需要读取的目标列索引，可根据实际需求增删
# 以下示例为读取索引为2、3、4的三列（对应日常计数的C/D/E列）
target_col_list = [2, 3, 4]
multi_col_data = []

for rownum in range(sheet.nrows):
    # 遍历当前行下的所有目标列，收集实际单元格值
    row_values = [sheet.cell(rownum, col_idx).value for col_idx in target_col_list]
    multi_col_data.append(row_values)

• 如果需要读取连续区间的列，比如从第2列到第6列，不需要手动枚举索引，直接生成连续列表即可：target_col_list = list(range(2, 7))
• 最终读取完成后，可直接通过multi_col_data[row_index][col_index]定位对应单元格的数值

方案2：按列独立存储数据（适合单列批量处理的场景） #

最终存储结构为字典，每个目标列对应一个独立的一维列表，方便单独调取某一列的全部值

import xlrd
file_location = "dec_DB.xlsx"

workbook = xlrd.open_workbook(file_location)
sheet = workbook.sheet_by_name('Sheet1')

target_col_list = [2, 3, 4]
# 为每个目标列初始化独立的存储列表
col_storage = {col_idx: [] for col_idx in target_col_list}

for rownum in range(sheet.nrows):
    for col_idx in target_col_list:
        col_storage[col_idx].append(sheet.cell(rownum, col_idx).value)

# 取值示例：提取索引为2的列的全部值，直接调用 col_storage[2] 即可

进阶优化：通过列名匹配读取，无需硬记列索引 #

如果Excel的列位置可能发生变动，可以先读取表头行建立列名和列索引的映射关系，直接通过列名指定要读取的列，避免手动找列索引：

# 假设第0行为表头行
header_row_idx = 0
# 建立列名到列索引的映射字典
col_name_index_map = {}
for col_idx in range(sheet.ncols):
    col_name = sheet.cell(header_row_idx, col_idx).value
    col_name_index_map[col_name] = col_idx

# 后续直接通过列名指定需要读取的列即可，比如要读取“姓名”“年龄”两列
target_col_names = ["姓名", "年龄"]
target_col_list = [col_name_index_map[col_name] for col_name in target_col_names]

常见踩坑提醒 #

• 若使用xlrd 2.0及以上版本读取xlsx文件时触发xlsx file not supported报错，可选择降级到1.2.0版本，或更换为openpyxl、pandas库实现文件读取
• 读取时注意调整跳过空行、表头行的逻辑，可根据实际数据结构按需裁剪，不需要强行读取全部162行的原始内容

内容的提问来源于stack exchange，提问作者atheer