有没有一种更有效的方法来加载10,000行Excel到Excel中？
我从Excel中加载数据填充对象，即老师（姓，名，用户名）。 然后将这些教师对象放在一个列表中，进行进一步的操作和分析（即查找匹配和其他模式）。 我的做法是使用xlrd模块从excel中加载数据。
for row in range(11) : lastName = sheet1.cell_value(row,3) firstName = sheet1.cell_value(row,1) userID = sheet1.cell_value(row,0) profList.append(tempProf) 所以这个方法需要我的电脑20秒只做12行，我需要这样做的10,000。 我的问题是，还有另外一种更有效的方式来加载这样的数据吗？ 我开放出去的范围，所以如果这个问题听起来很愚蠢，我很乐意听取替代scheme，谢谢
另一种方法是将您的Excel电子表格转换为CSV。
然后使用标准库中的Python csv模块。
from csv import reader as csv_reader with open("data.csv", "r") as fd: for row in csv_reader(fd): userid, firstname, lastname = row
说明：
- 导入
csv.reader对象作为csv_reader（ 我的个人约定 ）。 - 使用上下文pipe理器和Python的内置，打开
data.csv读取"r"放置生成的文件对象到fd。 - 现在迭代由处理
csv_reader(file_object)给我们的CSV库提供的数据行。 - 假设每一行的格式为
userid, firstname, lastname，所以我们可以将列表row解压缩为引用/variables。 请参阅： 元组和序列
另请注意：如果您的数据包含Unicode字符，您将需要从Python包索引 （ PyPi ）安装和使用unicodecsv第三方库。
您可以使用pandas将数据直接从excel加载到pandas DataFrame
import pandas as pd df = pd.read_excel('filename')
然后你可以使用pandas进行快速操作和分析。
最后，您可以将它保存在Excel，CSV，JSON，HTML，LaTeX中，甚至可以直接保存在数据库中。
所以也许你不需要一些“老师对象”。
大pandas – Python数据分析库
pandas食谱
pandas的教训
XLRD提供了一个行（行＃）的方法，它应该为您节省2次返回到文件。
for row in range(11) : userID, firstName, junk, lastName = sheet1.row_values(row, 0, 3)
文档在这里： https : //secure.simplistix.co.uk/svn/xlrd/trunk/xlrd/doc/xlrd.html?p=4966#sheet.Sheet.row_values-method
在大多数情况下，您希望在单元格上使用行，从数据集中取出一个切片，并且使用该切片更有效，然后每次都返回数据集。
10000行是相当多的，所以加载它将需要一段时间。 您可能需要考虑像XML或JSON这样的格式，它们的库中通常具有高效的search方法，或者像SQLite这样的平面数据库引擎。
一旦你达到了一千多行，通常是一个好主意，转向程序员友好的格式或数据库，因为这些都是为了提高效率。
*我从上面的代码猜测，有4列，第三个被忽略，因此垃圾variables。