品易云推流 关闭
文章详情页
文章 > Python常见问题 > 如何解决运行较大excel文件openpyxl变慢问题

如何解决运行较大excel文件openpyxl变慢问题

头像

2020-10-27 16:47:476583浏览 · 0收藏 · 0评论

平时打开小文件的时候没有注意,当偶尔有较大的excel需要运行,就会出现openpyxl变慢问题 。今天小编就教大家解决运行较大excel文件时openpyxl变慢的问题 。

运行以下代码:

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所用时间:", 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所用时间:", str(t1-t0))

测试结果:


22 openpyxl所用时间: 0.44217610359191895 23.0 xlrd所用时间: 0.0010063648223876953


结论

openpyxl的慢是读取慢,可以选择xlrd代替,详细测试下面继续。

不直接使用xlwt+xlrd是因为xlwt仅支持2003及以下版本,行数限制在65536,不够用,而openpyxl大概在一百多万

主要的说完了,下面详细说了:在写工具的时候遇到的这个问题,开始是用的xlwt+xlrd,然后行数超标了,没办法换成openpyxl使用excel2007的版本,原本测试不到三万行的数据,只要三四秒,换成openpyxl以后,花了好几分钟,具体没看多少了,然后加上函数运行时间的监视器以后,才看到是读取的时候出的问题。

推测原因:

推测的话,openpyxl的根据行号列号读取的时候,是从第一行第一列开始遍历,直到行号等于指定行号,列号等于指定列号,所以要读取的行号列号越多就越慢,(也可能是从第一个有数据的行或列),而xlrd则是类似与数组一样,我们要取第几个元素,直接根据下标找到内存中对应地址的元素即可,所以无论excel总量多少,速度基本都是不变的。

知识拓展:

xlwt写入仅支持65536行,那xlrd的读取很可能也是,也就是超过这么多的数据可能也会出错。

我这里因为是读多表数据生成单表数据,生成方式大概是Na*Nb这样,所以实际读取的不会太多,但生成的很多,所以基本可以用考虑这个问题。

另外,据说xlrd读取xlsx格式的偶尔会出现问题,具体没测试,暂时用还没毛病。

最后,顺带上一下监控函数运行时间的装饰器吧:

import time from functools import wraps def 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

使用方式的话,就是在要监控的函数定义上面加上 @fn_timer 就行了。

相信下次用openpyxl打开大的excel文件后,小伙伴们不需要慢慢等待了。更多Python学习推荐:PyThon学习网教学中心

关注

关注公众号,随时随地在线学习

本教程部分素材来源于网络,版权问题联系站长!

底部广告图