我就廢話不多說了，大家還是直接看代碼吧！

talk is cheap

from openpyxl import Workbook from openpyxl.utils import get_column_letter from openpyxl import load_workbook import time wb = load_workbook('E:/a.xlsx', read_only=True) sh = wb['Sheet'] # rowItem = {} # for j in range(1,2000): # for i in range(1, 30): # rowItem[get_column_letter(i)] = i # sh.append(rowItem) # wb.save('E:/a.xlsx') t0 = time.time() print(sh[’V500’].value) t1 = time.time() print('openpyxl所用時間：', str(t1-t0)) import xlrd xlsPath = 'E:/a.xlsx' WorkBook = xlrd.open_workbook(xlsPath) sh = WorkBook.sheet_by_name('Sheet') t0 = time.time() print(sh.cell(499,22).value) t1 = time.time() print('xlrd所用時間：', str(t1-t0))

測試結果：

22openpyxl所用時間： 0.4421761035919189523.0xlrd所用時間： 0.0010063648223876953

結論

openpyxl的慢是讀取慢，可以選擇xlrd代替，詳細測試下面繼續

不直接使用xlwt+xlrd是因為xlwt僅支持2003及以下版本，最大行數限制在65536，不夠用，而openpyxl大概在一百多萬

主要的說完了，下面詳細說了：在寫工具的時候遇到的這個問題，開始是用的xlwt+xlrd，然后行數超標了，沒辦法換成openpyxl使用excel2007的版本，原本測試不到三萬行的數據，只要三四秒，換成openpyxl以后，花了好幾分鐘，具體沒看多少了，然后加上函數運行時間的監視器以后，才看到是讀取的時候出的問題

推測原因：

推測的話，openpyxl的根據行號列號讀取的時候，是從第一行第一列開始遍歷，直到行號等于指定行號，列號等于指定列號，所以要讀取的行號列號越多就越慢，（也可能是從第一個有數據的行或列），而xlrd則是類似與數組一樣，我們要取第幾個元素，直接根據下標找到內存中對應地址的元素即可，所以無論excel總量多少，速度基本都是不變的

留下的坑

xlwt寫入僅支持65536行，那xlrd的讀取很可能也是，也就是超過這么多的數據可能也會出錯

我這里因為是讀多表數據生成單表數據，生成方式大概是Na*Nb這樣，所以實際讀取的不會太多，但生成的很多，所以基本可以用考慮這個問題

另外，據說xlrd讀取xlsx格式的偶爾會出現問題，具體沒測試，暫時用還沒毛病

最后，順帶上一下監控函數運行時間的裝飾器吧：

import timefrom functools import wrapsdef fn_timer(function): @wraps(function) def function_timer(*args, **kwargs): t0 = time.time() result = function(*args, **kwargs) t1 = time.time() print ('Total time running %s: %s seconds' % (function.__name__, str(t1-t0)) ) return result return function_timer

使用方式的話，就是在要監控的函數定義上面加上 @fn_timer 就行了

以上這篇解決python執行較大excel文件openpyxl慢問題就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持好吧啦網。