Pandas 讀取 Excel 的替代方案（不使用 Interop）| IronXL for Python

Excel 檔案在資料分析和操作任務中無處不在，提供了一種儲存和組織表格資料的方便方法。 在 Python 中，有多個可用的庫用於讀取 Excel 文件，每個庫都有其各自的功能和特點。 兩個顯著的選擇是 Pandas 和 IronXL，兩者都提供了在 Python 中讀取 Excel 文件的高效方法。

在本文中，我們將比較Pandas和IronXL在 Python 中讀取 Excel 文件的功能和性能。

Pandas - 開源庫

Pandas 是一個強大的開源資料分析和操作庫，用於 Python。 它介紹了 DataFrame 資料結構，這是一種二維標籤資料結構，其中列可能具有不同類型。Pandas 提供了廣泛的資料處理功能，包括從各種來源讀取和寫入資料，例如 CSV 文件、SQL 資料庫和 Excel 文件。

Pandas 的一些主要功能包括：

數據框架

Pandas 引入了 DataFrame 資料結構，這基本上是一種二維標籤式資料結構，具有可能為不同類型的列。這類似於電子表格或 SQL 表，使得在表格資料上執行過濾、分組和聚合等操作變得容易。

數據操作

Pandas 提供多種資料操作功能，包括合併、重塑、分割、索引和樞紐分析資料。 這些操作允許用戶高效地清理、轉換和準備數據以進行分析或視覺化。

時間序列功能

Pandas 提供強大的工具來處理時間序列數據，包括用於日期/時間索引和重採樣的工具，以及便捷的方法來處理遺失數據和時區轉換。

與庫的整合

Pandas 可以無縫地與多種在數據分析和科學計算中經常使用的 Python 庫合作，包括 NumPy、Matplotlib 和 Scikit-learn。 這種互操作性允許用戶在單一的分析工作流程中利用不同庫的優勢。

總體來說，Pandas 是一個用於在 Python 中進行資料操作和分析的強大工具，並廣泛應用於金融、經濟、生物學和社會科學等各個領域。

IronXL- Python Excel 函式庫

IronXL 是一個專為處理 Excel 文件而設計的 Python 函式庫。 它提供了一個直觀的 API，用於在 Python 中讀取、寫入和處理 Excel 文件。 IronXL旨在簡化Excel文件操作，提供直觀的介面，並消除對外部依賴的需求，如Microsoft Excel或Excel Interop。

IronXL的一些主要功能如下：

直觀的Python 3+ Excel文件API

IronXL 提供一個 Python 3+ 的 Excel 文件 API，直觀且易於使用，使開發者能夠無縫地讀取、編輯和創建 Excel 試算表檔案。

跨平台支援

專為 Python 3+ 設計，並與 Windows、Mac、Linux 和雲端平台相容，IronXL 確保部署環境的靈活性。

不需要 Microsoft Office 或 Excel Interop

開發人員可以在 Python 中使用 Excel 檔案，而無需安裝 Microsoft Office 或處理 Excel Interop，簡化整合過程並減少相依性。

相容性

支持 Python 3.7+ 並可運行於多種作業系統，包括 Microsoft Windows、macOS、Linux、Docker、Azure 和 AWS。 與 JetBrains PyCharm 和其他 Python IDE 等熱門 IDE 相容。

多功能工作簿處理

創建、載入、儲存及匯出試算表至多種格式，包括XLS、XLSX、XSLT、XLSM、CSV、TSV、JSON、HTML、二進制和字節陣列。

強大的工作表編輯

編輯中繼資料，設定權限和密碼，創建和刪除工作表，調整工作表佈局，處理圖片等等。

進階儲存格範圍操作

在儲存格範圍上執行各種操作，例如排序、修剪、清除、複製、查找和替換值、設置超連結、合併和取消合併儲存格。

靈活的單元格樣式

自訂儲存格樣式，包括字體、大小、邊框、對齊和背景圖案，並應用條件格式。

數學函數和數據格式

利用數學函數例如平均值、總和、最小值和最大值，並設置儲存格資料格式，包括文字、數字、公式、日期、貨幣、科學、時間、布林值和自定義格式。

使用 PyCharm 創建 Python 專案

首先，需要在您的機器上安裝 Python。從官方的Python 網站安裝最新版的 Python 3.x。 安裝 Python 時，請確保選擇將 Python 添加到系統 PATH 的選項，這樣可以從命令行訪問。

為了展示 Pandas 和 IronXL 在讀取 Excel 文件方面的功能，讓我們使用 PyCharm—a 這個受歡迎的 Python 統合開發環境 (IDE)，來創建一個 Python 專案。

1. 打開 PyCharm 並創建一個新的 Python 專案。

   

2. 將專案配置如下：

   • 為專案命名。 在這種情況下「pythonReadExcel」

   • 選擇專案的預期位置

   • 選擇解析器類型：專案 venv

   • 選擇 Python 版本

   

3. 按「建立」以建立專案。

使用 pip 安裝 Pandas 和 IronXL

安裝 Pandas

要在您的專案中安裝 Pandas，您可以遵循以下步驟：

1. 開啟命令提示字元或終端機：在 PyCharm 中，從檢視->工具視窗->終端機。

   

2. 透過 pip 安裝 Pandas：Pandas 可以使用 pip 套件管理器進行安裝。 在終端中運行以下命令：

    pip install pandas

此指令從 Python 套件索引 (PyPI) 安裝 Pandas 庫及其相依性。

3. 透過 pip 安裝 OpenPyXL：OpenPyXL 是幫助讀取和寫入 Excel 文件的庫。 這是 Pandas 使用的依賴項之一。 當您安裝 Pandas 時，如果 OpenPyXL 尚未安裝，則會自動安裝。 如果它尚未安裝，您可以在終端中使用以下命令進行安裝：

pip install openpyxl

安裝IronXL

在 Python 專案中安裝 IronXL，請遵循以下步驟：

1. 確保先決條件：在安裝IronXL之前，請確保您的系統上已安裝必要的先決條件：

   .NET 6.0 SDK：IronXL 依賴於 IronXL .NET 庫，特別是 .NET 6.0，作為其底層技術。 確保您的電腦上已安裝 .NET 6.0 SDK。您可以從官方.NET 網站下載。

2. 開啟命令提示字元或終端機：與之前相同。

3. 透過 pip 安裝 IronXL：IronXL 可以使用 pip 套件管理器安裝。 運行以下命令：

pip install IronXL

此命令將從 Python 軟體包索引 (PyPI) 收集、下載並安裝 IronXL 庫及其依賴項。

使用 Pandas 和 IronXL 讀取 Excel 文件

既然我們已經完成了所有設定，接下來我們將使用這兩個庫來讀取 Excel 文件。 我們將要讀取的示範 Excel 文件具有以下值，標題行為 Name、Marks 和 Res：

使用 Pandas

第一步

導入 Pandas 庫並使用 read_excel() 函數從 Excel 文件中讀取欄位數據。

import pandas as pd
# Read the Excel file
df = pd.read_excel("file.xlsx")

import pandas as pd
# Read the Excel file
df = pd.read_excel("file.xlsx")

使用 Pandas 的 read_excel() 函數時，您可以根據需要指定多個顯示選項：

header: 指定 Excel 文件中用作欄名的列。 您可以將其設置為None以表示沒有標題列，或者您可以提供一個整數來指示行號。 如果跳過，標題將設置為布爾預設值 true，第一行位置會顯示為標題行標籤。

index_col：指定使用哪一列或多列作為 DataFrame 的索引。 您可以傳遞單個欄位名稱或欄位索引。 或者您可以傳遞一個包含列名或列索引的列表來創建一個多重索引。

sheet_name：指定要從 Excel 檔案中讀取的工作表。您可以提供工作表名稱作為字串，或者提供指示零索引工作表位置的整數。

usecols：指定從 Excel 文件中讀取哪些列。您可以傳入單個列名或列索引。 或者您可以傳入一個列名或列索引的列表來讀取特定的列。

dtype：指定欄位的資料類型。 您可以傳遞一個字典，其中鍵是列名或列索引，值是所需的數據類型。

轉換器：指定應用於欄位自定義解析的函數。 您可以傳遞一個字典，其中鍵是列名或列索引，值是函數。

na_values：指定要識別為 NaN（非數字）值的其他字符串。 您可以傳遞一個字符串列表以視為NaN。

parse_dates：指定要解析為日期的列。 您可以傳入單個欄位名稱或欄位索引。 或者您可以傳遞一個列表，其中包含要解析為日期的列名或索引。

date_parser：指定用於解析日期的函數。 您可以傳遞一個接受字串並返回 datetime 物件的函數。

skiprows：指定在 Excel 文件开头跳过的行数。

這些選項在使用 Pandas 讀取 Excel 文件時提供了靈活性，使您可以根據具體需求自訂讀取過程。

第2步

顯示 DataFrame 的內容。

print(df)

print(df)

以下是上述程式碼的輸出：

使用IronXL

步驟 1：導入 IronXL 庫，並使用 WorkBook.Load() 方法加載 Excel 文件。在 Load 方法參數中，您可以傳入有效的文件 URL、本地文件路徑對象，或文件名（如果它與腳本位於同一目錄中）。

from ironxl import WorkBook
# Load the Excel file like object
workbook = WorkBook.Load("file.xlsx")

from ironxl import WorkBook
# Load the Excel file like object
workbook = WorkBook.Load("file.xlsx")

步驟 2：使用 IronXL，您可以請求多個工作表，並列印欄位標籤。 存取工作表和儲存格，以讀取儲存的列數據。 儲存格可以是任何資料類型，例如數值欄或字串欄。 可以使用 IntValue 屬性將字串列轉換為數值，從而將單元格值轉換為 int，反之亦然。

# Access the first worksheet
# Loads the first sheet from list of int default worksheets
worksheet = workbook.DefaultWorkSheet
# Select a cell and return the converted value
cell_value = worksheet ["A2"].IntValue
print(cell_value)
# Read from the entire worksheet elegantly.
for cell in worksheet:
    print("Cell {} has value '{}'".format(cell.AddressString, cell.Text))

# Access the first worksheet
# Loads the first sheet from list of int default worksheets
worksheet = workbook.DefaultWorkSheet
# Select a cell and return the converted value
cell_value = worksheet ["A2"].IntValue
print(cell_value)
# Read from the entire worksheet elegantly.
for cell in worksheet:
    print("Cell {} has value '{}'".format(cell.AddressString, cell.Text))

以下是上述代碼的輸出，展示了 IronXL 的多功能性，並以適當的顯示格式顯示：

如需有關使用 Excel 文件的更多資訊，請造訪此程式碼範例頁面。

結論

總結來說，Pandas 和 IronXL 都提供了在 Python 中讀取 Excel 文件的高效方法。 然而，IronXL 提供了多項優勢，特別是在易用性、性能和專業化的 Excel 處理能力方面，相較於 Pandas。 IronXL 直觀的 API 和全面的功能，使其成為需要進行大規模 Excel 操作任務的專案的最佳選擇。

此外，IronXL 消除了對像 Microsoft Excel 或 Excel Interop 等外部依賴的需求，簡化了開發過程，並增強了跨不同平台的可移植性。 因此，對於尋求穩健且高效 Excel 文件操作解決方案的 Python 開發人員來說，IronXL 成為首選，提供比 Pandas 更好的設施和增強的功能。 有關 IronXL 的更詳細資訊，請造訪此文件頁面。

IronXL 提供免費試用，以測試其功能及在您的 Python 專案中的可行性。 這項試用允許開發人員在不需要任何前期財務承諾的情況下探索IronXL提供的全方位功能和能力。 無論您在考慮使用 IronXL 進行數據匯入/匯出任務、報告生成，還是數據分析，免費試用均提供了一個評估其性能及其是否符合您具體需求的機會。

如需有關授權選項的更多信息並下載免費試用版，請訪問 IronXL 網站的授權頁面。 在這裡，您將找到有關許可條款的詳細信息，包括商業使用和支援的選項。 要開始使用IronXL並親身體驗其優勢，請從此處下載庫。