Pandas 无法打开 Excel (.xlsx) 文件

问题描述

当使用 Pandas 的 read_excel() 方法打开 .xlsx 文件时，可能会遇到以下错误：

import pandas
df = pandas.read_excel('cat.xlsx')

错误信息显示：

xlrd.biffh.XLRDError: Excel xlsx file; not supported

这个错误表示当前安装的 xlrd 库不再支持 .xlsx 格式的 Excel 文件。

根本原因

从 xlrd 2.0.0 版本开始，该库明确移除了对 .xlsx 文件的支持，只保留了对旧版 .xls 格式的支持。这是由于安全漏洞问题，使用 xlrd 1.2.0 或更早版本读取 .xlsx 文件可能存在安全风险。

解决方案

方案一：推荐方法 - 使用 openpyxl 引擎

最安全且推荐的方法是安装 openpyxl 库，并明确指定使用它作为读取引擎：

import pandas as pd

# 安装 openpyxl: pip install openpyxl
df = pd.read_excel('cat.xlsx', engine='openpyxl')

提示

对于包含多个工作表的情况，也可以使用 ExcelFile 构造函数：

xlsx = pd.ExcelFile('cat.xlsx', engine='openpyxl')
df = pd.read_excel(xlsx, sheet_name='Sheet1')

方案二：升级 Pandas 版本

从 Pandas 1.2.0 版本开始，库已经自动处理了 xlrd 的限制。升级到最新版本可以解决此问题：

pip install --upgrade pandas

注意

即使升级了 Pandas，仍然建议使用 openpyxl 引擎来确保最佳的兼容性和性能。

方案三：不推荐 - 降级 xlrd

虽然技术上可行，但不推荐此方法，因为它存在安全风险：

pip install xlrd==1.2.0

警告

降级到 xlrd 1.2.0 或更早版本可能存在安全漏洞，并且某些 .xlsx 文件的解析可能不准确。建议仅在无法使用其他方法的情况下考虑此方案。

最佳实践

1. 检查当前环境：确认已安装的库版本

import pandas as pd
print(f"Pandas version: {pd.__version__}")

# 检查是否已安装 openpyxl
try:
    import openpyxl
    print("openpyxl is installed")
except ImportError:
    print("openpyxl is not installed")

2. 一次性安装所有依赖：

pip install pandas openpyxl

3. 明确指定引擎：在所有 read_excel() 调用中明确指定 engine='openpyxl'

总结

解决 Pandas 无法读取 .xlsx 文件的问题，最安全有效的方法是：

1. 确保 Pandas 版本在 1.0.1 或更高
2. 安装 openpyxl 库
3. 在读取 Excel 文件时明确指定 engine='openpyxl'

这种做法既解决了兼容性问题，又避免了潜在的安全风险，是当前处理 .xlsx 文件的最佳实践。