pd.read_excel 教學：完整解析 Pandas 讀取 Excel 檔案語法、參數與實務應用

pd.read_excel 教學總覽

pd.read_excel 是什麼？適用情境與優勢

pd.read_excel 是 Pandas 套件中專門用來讀取 Excel 檔案（如 .xls、.xlsx、.xlsm、.xlsb、.ods 等）的函數。它能將 Excel 表格資料轉換為 DataFrame，方便進行資料分析、清洗與後續處理。
常見應用場景包括：

• 專案管理：批次匯入進度、預算、資源分配表。
• 團隊協作：彙整多部門回傳的 Excel 報表。
• 數據分析：將原始數據自 Excel 轉為可程式化分析的格式。
• 自動化流程：定期自動讀取、處理 Excel 資料。

優勢：
– 支援多種 Excel 格式與多工作表。
– 提供豐富參數，能精確控制資料讀取方式。
– 與 Pandas DataFrame 無縫整合，便於後續分析。

支援的 Excel 檔案格式與引擎選擇

pd.read_excel 支援以下常見格式：

engine 參數說明：
– openpyxl：現今最推薦的 .xlsx/.xlsm 讀取引擎，功能完整。
– xlrd：僅支援 .xls（新版已不支援 .xlsx）。
– odf：支援 .ods、.odt。
– pyxlsb：支援 .xlsb。

常見情境：
若遇到「ValueError: Excel file format cannot be determined」等錯誤，請檢查檔案格式與 engine 是否對應。

安裝與準備

安裝 pandas 與 openpyxl

在開始使用前，建議安裝最新版 pandas 及 openpyxl：

pip install pandas openpyxl

• openpyxl 為讀取 .xlsx/.xlsm 的主要引擎。
• 若需支援 .xlsb、.ods，請額外安裝 pyxlsb、odfpy。

常見安裝問題與解決方式

• 找不到 openpyxl/odfpy/pyxlsb：
  請確認已安裝對應套件，並重啟 Python 環境。
• Permission denied/權限問題：
  請嘗試加上 --user 參數或使用管理員權限安裝。
• 套件版本衝突：
  建議使用虛擬環境（如 venv、conda）隔離安裝。

pd.read_excel 基本語法與參數

最基本的讀取方式

只需指定檔案路徑，即可將 Excel 第一個工作表讀入 DataFrame：

import pandas as pd

df = pd.read_excel('data.xlsx')
print(df.head())

• 預設讀取第一個工作表。
• DataFrame 結構可直接用於篩選、統計、視覺化等分析。

指定工作表（sheet_name）

Excel 檔案常有多個工作表，可用 sheet_name 參數指定：

# 以名稱指定
df = pd.read_excel('data.xlsx', sheet_name='任務列表')

# 以索引指定（0 為第一張表）
df = pd.read_excel('data.xlsx', sheet_name=1)

一次讀取多個工作表

若需同時讀取多個表，可傳入名稱或索引列表，或設為 None 讀取全部：

# 讀取多個指定工作表
dfs = pd.read_excel('data.xlsx', sheet_name=['任務列表', '預算表'])

# 讀取所有工作表
dfs = pd.read_excel('data.xlsx', sheet_name=None)

• 回傳型態為字典（dict），鍵為工作表名稱，值為對應 DataFrame。
• 實務應用：彙整多部門報表、批次資料清洗。

指定讀取的列與行（usecols、skiprows、nrows、index_col）

只讀取特定欄位

# 以欄名
df = pd.read_excel('data.xlsx', usecols=['姓名', '進度'])

# 以 Excel 欄位字母
df = pd.read_excel('data.xlsx', usecols='A:C')

跳過前幾行、只取部分資料

# 跳過前2行
df = pd.read_excel('data.xlsx', skiprows=2)

# 只讀取前10列
df = pd.read_excel('data.xlsx', nrows=10)

設定索引欄位

# 以「任務ID」欄作為索引
df = pd.read_excel('data.xlsx', index_col='任務ID')

常見錯誤：
– 欄位名稱拼錯或不存在會出現 KeyError。
– usecols、index_col 須與實際 Excel 標題對應。

處理標題列與索引（header、index_col）

• header：指定標題列所在的行數（預設為 0，即第一行）。
• index_col：指定哪一欄作為 DataFrame 索引。

# 標題列在第3行（從0起算）
df = pd.read_excel('data.xlsx', header=2)

應用情境：
– 匯入格式不一的報表，標題列不在第一行時特別有用。

處理缺失值（na_values、keep_default_na）

• na_values：自訂哪些值視為缺失（NaN）。
• keep_default_na：是否保留預設的缺失值判斷。

df = pd.read_excel('data.xlsx', na_values=['無', 'N/A'], keep_default_na=True)

常見情境：
– 報表中常見「無」、「-」等字樣，需自訂為缺失值。

設置數據類型（dtype、converters）

• dtype：直接指定欄位型態（如 str、int）。
• converters：自訂欄位轉換函數。

# 指定「進度」欄為字串
df = pd.read_excel('data.xlsx', dtype={'進度': str})

# 自訂轉換函數
df = pd.read_excel('data.xlsx', converters={'日期': lambda x: str(x)})

注意：
– 若欄位資料混合型態，建議用 converters 增強彈性。

其他常用參數（skipfooter、parse_dates）

• skipfooter：跳過結尾 n 行（需搭配 engine=’python’）。
• parse_dates：自動解析日期欄位。

df = pd.read_excel('data.xlsx', skipfooter=2, engine='python')
df = pd.read_excel('data.xlsx', parse_dates=['日期'])

進階應用與實務案例

讀取遠端 Excel 檔案

可直接讀取雲端或網路上的 Excel 檔案（需檔案公開存取權限）：

url = 'https://example.com/data.xlsx'
df = pd.read_excel(url)

應用情境：
– 自動化抓取 Google Drive、Dropbox、企業內部報表。

多表合併與資料清洗流程

案例：合併多部門回報的進度表

# 讀取所有工作表
dfs = pd.read_excel('project.xlsx', sheet_name=None)

# 合併所有表
all_data = pd.concat(dfs.values(), ignore_index=True)

• 可進一步用 dropna、fillna 處理缺失值，或用 groupby 彙總。

效能優化建議

• 只讀取必要欄位與行數（usecols、nrows）。
• 大檔案可分批讀取（分 sheet 或分檔案）。
• 若只需部分資料，建議先用 Excel 篩選後再匯入。

常見錯誤訊息與排解

FAQ：

• Q：為什麼讀不到資料？
  A：請確認檔案路徑、格式、權限，並檢查 sheet_name 是否正確。

• Q：如何處理合併儲存格？
  A：pandas 會自動展開合併儲存格，若資料錯位，建議先於 Excel 另存新檔再匯入。

• Q：只想讀取部分資料怎麼做？
  A：可用 usecols、nrows、skiprows 控制讀取範圍。

pd.read_excel 與其他工具比較

選擇建議：
– 若需大量資料分析與自動化，建議以 pd.read_excel 為主。
– 若需寫入、格式控制，或處理複雜 Excel 檔案，可搭配 openpyxl。
– 雲端協作、多人同步建議考慮 Google Sheets API。

結語與延伸應用

pd.read_excel 在專案管理/數據分析的實際應用

pd.read_excel 能有效協助專案經理、團隊領導與數據分析師，快速將 Excel 報表自動化匯入、整合與分析。例如：

• 定期自動彙整多部門回報進度，提升專案透明度。
• 快速清洗、轉換原始 Excel 資料，減少人工整理錯誤。
• 搭配 Monday.com、ClickUp、Notion 等專案管理工具，將資料流程自動化，提升團隊效率。

推薦工具試用

若希望將 Excel 報表流程進一步自動化、結合專案協作，建議試用 Monday.com 等專業工具，能與多種資料來源整合，提升專案管理與團隊協作效率。