openpyxl和pandas简单比对

    关于Excel数据处理，Pyhton有pandas库和openpyxl、xlwings 模块模块可以对Excel数据进行处理，下面对pandas和openpyxl处理数据进行简单比对。

1、读取效率

   我们采用83*20的数据集（该数据集为稀疏矩阵）进行读取数据的耗时统计。

pandas代码如下：

import time
import numpy as np
import pandas as pd
start_time = time.time()
wb = pd.read_excel('C:/Users/.../职协/职协招新/9_扫楼总工作表(1).xlsx')
print(wb)
end_time = time.time()
print(end_time - start_time)

结果为：

   openpyxl代码如下：

# 导入模块，查看属性
import openpyxl
root_path = 'C:/Users/10692/Desktop/职协/职协招新/'
wb = openpyxl.load_workbook(root_path + '9_扫楼总工作表(1).xlsx')
import time
start_time = time.time()

sheet = wb.active
for column in sheet.columns:
    for cell in column:
        print(cell.value, end=', ')
    print()

end_time = time.time()
print(end_time - start_time)

结果为：

可见在读取方面， openpyxl效率会更快一些。

2、数据整理

  pandas读取数据是从头开始，从单元格A1开始连续读取表格，若首行存在缺失值则该位置的标题表头就会变成Unnamed:i (i=1,2...n)

  pandas可以轻松地读取和转换Excel数据，但是面对杂乱的表格结构，分散在不同工作表的数据或是范围性数值的数据（如数值为'5-7'），以及表格中分布很乱时，直接使用pandas进行数据清洗相对比较吃力。这时使用openpyxl先对数据简单整理会更为方便。 

 但是进一步对数据进行探索分析，openpyxl并无法做到，需要pandas对数据进行探索分析。所以，对于数据我们可以先利用openpyxl对数据简单整理再利用pandas对数据进行进一步探索分析效率。