openpyxl 打开大文件很慢_解决python执行较大excel文件openpyxl慢问题

本文通过实例代码对比了openpyxl和xlrd在处理大文件时的效率,发现openpyxl在读取大文件时速度较慢,并提出使用xlrd作为替代方案。同时,文章还分享了一个用于监测函数运行时间的装饰器。
摘要由CSDN通过智能技术生成

我就废话不多说了,大家还是直接看代码吧!

talk is cheap

from openpyxl import Workbook

from openpyxl.utils import get_column_letter

from openpyxl import load_workbook

import time

wb = load_workbook("E:/a.xlsx", read_only=True)

sh = wb["Sheet"]

# rowItem = {}

# for j in range(1,2000):

# for i in range(1, 30):

# rowItem[get_column_letter(i)] = i

# sh.append(rowItem)

# wb.save("E:/a.xlsx")

t0 = time.time()

print(sh['V500'].value)

t1 = time.time()

print("openpyxl所用时间:", str(t1-t0))

import xlrd

xlsPath = "E:/a.xlsx"

WorkBook = xlrd.open_workbook(xlsPath)

sh = WorkBook.sheet_by_name("Sheet")

t0 = time.time()

print(sh.cell(499,22).value)

t1 = ti

解决Python openpyxl写入大量数据速度问题,可以考虑以下几种方法: 1. 使用最新版本的openpyxl库:确保将openpyxl库更新到最新版本,因为每个新版本通常都会优化性能并修复一些已知的问题。 2. 使用write_only模式:使用openpyxl中的write_only模式,而不是默认的read_write模式,可以提高写入大量数据的速度。write_only模式忽略了对已存在的单元格内容的读取和修改,仅仅将新数据追加到文件中。 3. 批量写入数据:将要写入的大量数据分批写入,而不是一次性写入。可以将数据分成多个小的数据集,每个数据集写入一次,这样可以减少写入的时间和内存占用。 4. 使用pandas库:openpyxl并不是最高效的处理大量数据的库,因此可以考虑使用pandas库。pandas提供了更高效的数据处理和写入方法,可以将数据转换为pandas的DataFrame对象,然后使用其to_excel方法写入数据。 5. 使用多线程或异步写入:对于需要同时处理多个数据集的情况,可以使用多线程或异步编程技术,将写入操作分配给多个线程或任务并行处理,以提高写入大量数据的速度。 6. 禁用自动调整列宽和行高:openpyxl在写入数据时会自动调整列宽和行高,但这会导致写入速度较。可以禁用该功能,以加快写入速度。 7. 使用其他库:如果openpyxl无法满足需求,可以考虑使用其他可以更快写入大量数据的库,如xlrd、xlwt、xlwings等。 通过以上方法,可以有效地加快Python openpyxl写入大量数据的速度,提高程序的效率。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值