Pandas 0.22.0读取xls文件触发IndexError：如何可靠加载大体积xls？

我遇到过类似的情况，这种IndexError: list index out of range通常和文件实际格式与扩展名不匹配，或者大文件加载时的解析/内存问题有关。结合你的文件参数（65536行×138列，刚好是传统xls格式的最大行数），给你几个可靠的解决方案：

1. 强制指定读取引擎，适配真实文件格式 #

很多时候扩展名是.xls，但文件实际是xlsx格式（比如保存时选错了格式，或者手动改了扩展名）。Pandas的read_excel默认引擎会根据扩展名判断，但我们可以手动指定：

import pandas as pd

# 先尝试用xlrd引擎（适配传统二进制xls格式）
try:
    df = pd.read_excel("your_file.xls", engine="xlrd")
except Exception as e:
    print(f"xlrd引擎加载失败: {str(e)}")
    # 再尝试用openpyxl引擎（适配xlsx/xlsm格式，即使扩展名是xls）
    df = pd.read_excel("your_file.xls", engine="openpyxl")

注意：如果你的xlrd版本是2.0+，它不再支持xlsx格式，这时候用openpyxl就成了关键选项。

2. 排查是否是伪装成xls的CSV文件 #

有些场景下，文件会被误命名为.xls但实际是CSV（比如导出时的错误操作）。你可以先查看文件前几行确认：

# 读取文件首行，判断分隔符（逗号、制表符等）
with open("your_file.xls", "r", encoding="utf-8") as f:
    print(f.readline())

如果是CSV，直接用read_csv加载更可靠：

# 根据实际分隔符调整sep参数，比如制表符用'\t'，逗号用','
df = pd.read_csv("your_file.xls", sep="\t", low_memory=False)

3. 分块加载大文件，避免内存/解析溢出 #

282Mb的文件直接加载可能触发内存相关的解析错误，分块读取可以缓解这个问题：

import pandas as pd

chunk_size = 10000  # 每次读取10000行
chunk_list = []

# 选择合适的引擎分块读取
for chunk in pd.read_excel("your_file.xls", engine="xlrd", chunksize=chunk_size):
    chunk_list.append(chunk)

# 合并所有块为完整DataFrame
df = pd.concat(chunk_list, ignore_index=True)

4. 用第三方库处理边缘格式问题 #

如果以上方法都不行，可以试试pyexcel这类兼容性更强的库，它能处理一些Pandas解析不了的边缘Excel格式：

import pyexcel as pe
import pandas as pd

# 读取整个工作簿
book = pe.get_book(file_name="your_file.xls")
# 转换为DataFrame（默认取第一个工作表）
df = pd.DataFrame(book[book.sheet_names[0]])

这些方法基本能覆盖大部分扩展名与格式不匹配、大文件加载的场景，你可以按顺序尝试。

内容的提问来源于stack exchange，提问作者Juan David