使用Pandas读取Excel时如何跳过指定列以提升性能？

嘿，这个需求其实挺实用的，尤其是处理大Excel文件的时候——Pandas的read_excel确实没提供直接的skip_cols参数，但我们有两种高效的办法实现，完全能达到你想要的性能优化效果：

方法一：先获取表头再筛选保留列 #

这种方法适合你不确定列的顺序，但明确知道要跳过的列名的场景，而且只需要读取一次表头，几乎不占额外资源：

import pandas as pd

# 定义要跳过的列
cols_to_skip = ['col_a', 'col_b', 'col_zz']

# 先读取Excel的表头（只加载第一行，速度极快）
xls = pd.ExcelFile('large_excel_file.xlsx')
all_columns = xls.parse(sheet_name=0, nrows=0).columns.tolist()

# 计算需要保留的列（排除要跳过的）
cols_to_keep = [col for col in all_columns if col not in cols_to_skip]

# 读取时只加载需要的列
df = pd.read_excel('large_excel_file.xlsx', usecols=cols_to_keep)

方法二：用lambda函数直接过滤列名 #

这个方法更简洁，不需要单独读取表头，Pandas会在读取过程中自动过滤掉指定列，性能同样出色：

import pandas as pd

# 用集合存储要跳过的列，查找速度更快（大列数场景更明显）
cols_to_skip = {'col_a', 'col_b', 'col_zz'}

# 通过usecols的lambda参数直接过滤
df = pd.read_excel('large_excel_file.xlsx', usecols=lambda col: col not in cols_to_skip)

重要提醒 #

别用先读取整个DataFrame再drop列的方式！比如df = pd.read_excel(...).drop(cols_to_skip, axis=1)——这种方法会先加载整个大文件到内存，完全失去了性能优化的意义，上面两种方法都是在读取阶段就跳过不需要的列，内存占用和读取速度都会大幅提升。

内容的提问来源于stack exchange，提问作者Juan David