[英]Is openpyxl the fastest package to use to read big xlsx files?
我是python初學者,但我正在編寫一個腳本,使用openpyxl將大xlsx文件(60000x187)讀取到Numpy數組中,以進行一些機器學習。 我的代碼:
from openpyxl import load_workbook
import re
from numpy import *
wb = load_workbook(filename = 'dataSheet.xlsx', use_iterators = True) #dataSheet.xlsx
ws1 = wb.get_sheet_by_name(name = 'LogFileData')
startCol = 1 #index from 1
startRow = 2 #start at least from 2 because header is in 1st row
endCol = ws1.get_highest_column() #index of last used column, from 1
endRow = ws1.get_highest_row() #index of last used row, indexed from 1
diff = endRow - startRow + 1 #number of rows in the data array
header = [] #contains the column labels
data = zeros((0,endCol), dtype=float64) #2D array that holds the data
#puts the column headers into a list
for row in ws1.get_squared_range(1, 1, endCol, 1): #indexed from 1
for cell in row:
for match in re.findall("<(.*?)>", cell.value):
header.append(match)
#indexed from 1 when using the ws1
#index from 0 when using the Numpy arrays, tempRow, tempPt, data
for index, row in enumerate(ws1.iter_rows(row_offset=1)):
tempRow = zeros((1,0), dtype=float64)
tempPt = zeros((1,1), dtype=float64)
for cell in row:
value = cell.value
if isinstance(value, basestring):
tempPt[0][0] = None
else:
tempPt[0][0]=value
tempRow = hstack((tempRow,tempPt))
data = vstack((data,tempRow))
openpyxl和optimized_reader是最快,最節省空間的方法嗎? 一位同事提到,與itertools或類似軟件包一起使用時,csv文件可能會更快。
編輯1:我的規格VMWare Python 2.6.5上的Ubuntu 10.04 LTS英特爾i5四核2.5GHz Windows 7企業版
我在2009年的MacBook上以20秒鍾的速度對經過優化的閱讀器進行了基准測試,可容納100萬個帶有數字的單元。 由於單元格的間接作用和模式匹配(在循環外部編譯模式),我希望您的代碼會稍受打擊,但我認為速度仍然可以接受。 如果可以輕松獲得CSV,當然會更快。
有興趣知道您的電話號碼。
讀取xlsx工作表的最快方法。
超過50萬行的56mb文件和4張紙耗時6s。
import zipfile
from bs4 import BeautifulSoup
paths = []
mySheet = 'Sheet Name'
filename = 'xlfile.xlsx'
file = zipfile.ZipFile(filename, "r")
for name in file.namelist():
if name == 'xl/workbook.xml':
data = BeautifulSoup(file.read(name), 'html.parser')
sheets = data.find_all('sheet')
for sheet in sheets:
paths.append([sheet.get('name'), 'xl/worksheets/sheet' + str(sheet.get('sheetid')) + '.xml'])
for path in paths:
if path[0] == mySheet:
with file.open(path[1]) as reader:
for row in reader:
print(row) ## do what ever you want with your data
reader.close()
享受和快樂的編碼。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.