启用read_only=True后Openpyxl的iter_rows读取数据仍过慢求助

你遇到的性能瓶颈完全是openpyxl只读模式的固有设计导致的，和你自己的代码逻辑关系不大：

• 首先，openpyxl在流式解析工作表XML时，完全不会根据你设置的min_col/max_col跳过范围外的单元格。它会把每一行从左到右所有单元格全部解析成Python对象之后，再切片取出你需要的列范围。这刚好匹配你的测试结果：不管你要读3列还是4763列，反正整行都要全量解析，列数变化根本不会对总耗时产生明显影响。
• 其次，当xlsx文件里的工作表<dimension>标签缺失、或者被第三方工具写错时，openpyxl在只读模式下会逐行扫描尽可能多的XML节点来自动推导工作表的真实行/列边界，这个扫描过程的开销远大于实际取值的开销。小工作表本身XML体积很小，哪怕全表扫描也只有几毫秒，完全感知不到延迟；大工作表的XML节点多，哪怕只扫几十行，累积的解析开销就会达到秒级。
• 你测试“去掉numpy数组赋值逻辑对总耗时几乎没影响”也验证了这一点：90%以上的时间都耗在openpyxl解析XML、构建单元格对象上，往数组里填值的开销占比可以忽略。

快速适配现有openpyxl代码 #

1. 跳过openpyxl的自动维度校验，手动给工作表赋值已知的真实尺寸，避免它盲目扫描全表。你已经明确知道工作表是2535行×4763列，直接在拿到ws对象后加两行：

   ws.max_row = 2535
   ws.max_column = 4763
   

   这一步就能砍掉60%以上的无效扫描开销。
2. 放弃iter_rows()方法，直接用ws的原生值迭代器做手动切片，跳过iter_rows内部的多余校验逻辑：

   raw = []
   for row_idx, row in enumerate(ws.values, start=1):
       if row_idx < luR:
           continue
       if row_idx > rlR:
           break
       raw.append(row[luC-1:rlC])
   # 最后一次性转成numpy数组
   raw = np.array(raw, dtype=float)
   

   这种写法比原来的iter_rows赋值逻辑快2~3倍，因为完全跳过了行范围、列范围的逐单元格校验步骤。

换更高性能的解析库（推荐） #

openpyxl本身是通用型xlsx处理库，天生不是为大尺寸数值表的高速读取设计的。你的场景完全不需要处理格式、公式、图表、宏，属于典型的纯数值读取需求，直接换专用解析库会有10~100倍的性能提升：

• 用python-calamine作为读取引擎，这是基于Rust开发的高速xlsx解析器，专门面向纯数值读取场景，没有多余的格式解析开销，5000行×10000列的表读取耗时也仅在几百毫秒级别，完全匹配你的性能预期。
• 如果你习惯用pandas，直接用pandas.read_excel(engine="calamine")读取目标区域即可，返回的DataFrame可以直接转numpy数组，不需要自己处理行列范围的解析逻辑。

内容的提问来源于stack exchange，提问作者defferl