用Python加载excel文件块，而不是将完整的文件加载到内存中
我想从BIG excel文件（xlsx）中只读取10行，而不是一次加载整个文件，因为它不能在我的一台机器（低内存）上完成。 我试过使用
import xlrd import pandas as pd def open_file(path): xl = pd.ExcelFile(path) reader = xl.parse(chunksize=1000) for chunk in reader: print(chunk) 但它似乎像文件首先加载然后分成部分，这很糟糕。 我会很感激任何关于如何只读第一行的build议。 如果您需要更多信息，请留下评论，但我想所有的事情都应该清楚。 谢谢！
由于xlsx文件（本质上是一堆xml文件压缩在一起）的性质，你不能在任意字节戳文件，并希望它是在你感兴趣的表中的第N行的开始在。
最好的办法是使用pandas.read_excel和skiprows （跳过文件顶部的行）和skip_footer （跳过底部的行）参数。 然而，这将首先将整个文件加载到内存，然后只parsing所需的行。
# if the file contains 300 rows, this will read the middle 100 df = pd.read_excel('/path/excel.xlsx', skiprows=100, skip_footer=100, names=['col_a', 'col_b'])
请注意，您必须使用names参数手动设置标题，否则列名称将是最后一个跳过的行。
如果你想使用csv那么这是一个简单的任务，因为csv文件是纯文本文件。
但是 ，这是一个很大的， 但如果你真的绝望，你可以从xlsx归档中提取相关工作表的xml文件并parsing它。 这不是一件容易的事情。
一个示例xml文件，它表示具有单个2 X 3表的工作表。 <v>标签代表单元格的值。
<?xml version="1.0" encoding="UTF-8" standalone="yes"?> <worksheet xmlns="http://schemas.openxmlformats.org/spreadsheetml/2006/main" xmlns:r="http://schemas.openxmlformats.org/officeDocument/2006/relationships" xmlns:mc="http://schemas.openxmlformats.org/markup-compatibility/2006" mc:Ignorable="x14ac" xmlns:x14ac="http://schemas.microsoft.com/office/spreadsheetml/2009/9/ac"> <dimension ref="A1:B3"/> <sheetViews> <sheetView tabSelected="1" workbookViewId="0"> <selection activeCell="C10" sqref="C10"/> </sheetView> </sheetViews> <sheetFormatPr defaultColWidth="11" defaultRowHeight="14.25" x14ac:dyDescent="0.2"/> <sheetData> <row r="1" spans="1:2" ht="15.75" x14ac:dyDescent="0.2"> <cr="A1" t="s"> <v>1</v> </c><cr="B1" s="1" t="s"> <v>0</v> </c> </row> <row r="2" spans="1:2" ht="15" x14ac:dyDescent="0.2"> <cr="A2" s="2"> <v>1</v> </c><cr="B2" s="2"> <v>4</v> </c> </row> <row r="3" spans="1:2" ht="15" x14ac:dyDescent="0.2"> <cr="A3" s="2"> <v>2</v> </c><cr="B3" s="2"> <v>5</v> </c> </row> </sheetData> <pageMargins left="0.75" right="0.75" top="1" bottom="1" header="0.5" footer="0.5"/> </worksheet>