pandas读取Excel最常用pd.read_excel()，写入用df.to_excel()；需注意引擎依赖（如openpyxl、xlrd）、参数设置（sheet_name、skiprows、dtype等）及大文件优化策略。
用pandas读取Excel文件最常用的方法是pd.read_excel()，写入则用df.to_excel()。关键在于参数设置和常见格式兼容性，不是所有Excel文件都能直接打开。
读取Excel：核心参数与常见问题
基础用法：df = pd.read_excel("data.xlsx")。默认读取第一个工作表（sheet），但实际中需注意：
-
指定工作表：用
sheet_name=0（索引）、"Sheet1"（名称）或None（读取全部，返回字典） -
跳过行/设置标题：用
skiprows=2跳过前两行，header=1表示第1行（0起始）为列名 -
处理空值与数据类型：用
na_values=["N/A", "NULL"]自定义缺失值标识；用dtype={"ID": str}强制列类型，避免数字自动转int后丢前导零 -
大文件优化：加
usecols="A:C"或[0, 1, 3]只读需要的列，大幅提速
写入Excel：保存多表与样式控制
df.to_excel("output.xlsx", index=False)是最简写法。进阶操作包括：
-
写入多个工作表：需用
pd.ExcelWriter上下文管理器，例如：
with pd.ExcelWriter("report.xlsx") as writer:
df1.to_excel(writer, sheet_name="汇总", index=False)
df2.to_excel(writer, sheet_name="明细", index=False)
立即学习“Python免费学习笔记（深入）”；
-
不覆盖已有文件：
mode="a"（追加模式）仅支持.xlsx，且需配合engine="openpyxl" -
冻结首行/列、调整列宽：需借助
openpyxl引擎，在写入后操作工作表对象，pandas本身不支持样式
依赖与格式支持说明
pandas本身不解析Excel，靠底层引擎：
-
xlsx/xlsm文件：推荐
openpyxl（安装：pip install openpyxl），支持读写、公式、图表 -
xls文件（旧版）：必须用
xlrd（注意：v2.0+仅支持xls，不支持xlsx；如需兼容，降级到xlrd==1.2.0或改用openpyxl） - 无引擎报错：提示"Missing optional dependency 'openpyxl'"时，按需安装对应包即可
替代方案：超大文件或纯数值场景
如果Excel文件超10万行、内存吃紧，或只需读数值（无格式/公式）：
- 用
csv中转：Excel另存为CSV，再用pd.read_csv()，速度更快、内存更省 - 用
openpyxl或xlrd原生读取单元格值，适合做精细定位（如读特定坐标、合并单元格逻辑） - 用
pyxlsb读取.xlsb二进制格式（微软内部格式，体积小、加载快）
