【pd.read_excel】完整教學：核心參數解析｜含實務案例與錯誤排解

pd.read_excel 是 pandas 套件中讀取 Excel 檔案（.xls、.xlsx、.xlsm、.xlsb、.ods）並轉為 DataFrame 的核心函數。 本文完整解析 13 個核心參數、3 種安裝環境設定、中文亂碼排解方式，並附多部門報表合併的端對端實務案例與 6 種常見錯誤修復方法。

pd.read_excel 是什麼？適用情境與核心優勢

pd.read_excel 是 pandas 提供的函數，專門將 Excel 檔案中的表格資料讀入為 DataFrame 物件。一旦資料變成 DataFrame，你就能用 pandas 的全套功能進行篩選、統計、視覺化與自動化處理。

如果你還在用手動複製貼上的方式整理 Excel 報表，pd.read_excel 能幫你省下大量重複勞動。以下是台灣職場中三個最常見的使用情境：

情境一：專案進度彙整。 每週五各部門回傳進度 Excel，PM 需要合併成一份總表。手動做要花 30 分鐘以上，用 pd.read_excel 搭配 pd.concat 只需 10 行程式碼。

情境二：財務報表自動化。 會計部門每月產出的損益表、資產負債表都是 Excel 格式。用 pd.read_excel 讀入後，可以自動計算同期比較、產出趨勢圖表。

情境三：多部門資料合併。 業務、行銷、客服各有自己的 Excel 報表格式。pd.read_excel 的參數（usecols、skiprows、header）能靈活處理不同格式，統一讀入後再合併分析。

相較於手動操作，pd.read_excel 的核心優勢在於：可重複執行（寫一次程式碼，每次資料更新只需重跑）、精確控制（指定讀取哪些欄位、跳過哪些行）、以及與 pandas 生態系無縫整合（讀入後直接做 groupby、merge、pivot 等操作）。

想深入了解 Python 操作 Excel 的完整生態系，可以參考 Python 操作 Excel 教學，涵蓋讀取、寫入、格式控制等全方位內容。

支援的 Excel 格式與對應引擎

pd.read_excel 透過 engine 參數選擇不同的底層引擎來解析檔案。選錯引擎是新手最常遇到的錯誤來源之一。

關鍵變更提醒： pandas 1.2 開始，xlrd 不再支援 .xlsx 格式。如果你從舊版 pandas 升級，原本能正常執行的程式碼可能會突然報錯。解法是安裝 openpyxl 並明確指定 engine='openpyxl'。

前置需求：Python 版本與套件相容性

在開始之前，確認你的環境符合以下條件：

• Python 版本：3.9 以上（pandas 2.x 已不支援 Python 3.8）
• pandas 版本：建議 2.0 以上（語法穩定，效能更好）
• 必裝引擎：openpyxl（讀取 .xlsx/.xlsm 的預設引擎）

pandas 2.x 的重要變更：

• 預設引擎從 xlrd 改為 openpyxl（針對 .xlsx）
• dtype_backend 新增 "numpy_nullable" 和 "pyarrow" 選項
• date_parser 參數已棄用，改用 date_format

你可以用以下程式碼快速檢查環境：

import pandas as pd
import openpyxl

print(f"pandas 版本: {pd.__version__}")
print(f"openpyxl 版本: {openpyxl.__version__}")

安裝環境設定（pip / conda / Colab）

根據你的開發環境，安裝方式略有不同。以下涵蓋三種最常見的情境。

本機安裝（pip / conda 指令，含虛擬環境建立）

建議先建立虛擬環境，避免套件版本衝突影響其他專案：

## 建立虛擬環境
python -m venv excel_env

## 啟動虛擬環境（macOS / Linux）
source excel_env/bin/activate

安裝 pandas 與必要引擎：

## pip 安裝（最常用）
pip install pandas openpyxl

## 如果需要讀取 .xls 舊格式
pip install xlrd

## 如果需要讀取 .xlsb 二進位格式
pip install pyxlsb

## 如果需要讀取 .ods 格式
pip install odfpy

使用 conda 的話：

conda install pandas openpyxl

Google Colab 環境

Colab 已預裝 pandas 和 openpyxl，通常不需要額外安裝。但上傳檔案的方式與本機不同：

## 方法一：透過 Colab 上傳介面
from google.colab import files
uploaded = files.upload()  # 會跳出檔案選擇視窗

import pandas as pd
df = pd.read_excel('你的檔案名.xlsx')

## 方法二：從 Google Drive 讀取
from google.colab import drive
drive.mount('/content/drive')

df = pd.read_excel('/content/drive/MyDrive/data/report.xlsx')

如果 Colab 的 pandas 版本過舊，可以手動升級：

!pip install --upgrade pandas openpyxl

常見安裝錯誤排解

錯誤一：ImportError: Missing optional dependency 'openpyxl'

這是最常見的錯誤。pandas 讀取 .xlsx 時需要 openpyxl，但它不會隨 pandas 自動安裝。

pip install openpyxl

錯誤二：xlrd.biffh.XLRDError: Excel xlsx file; not supported

這表示你安裝了 xlrd 2.0+，但它已不支援 .xlsx。有兩種解法：

## 解法一（推薦）：安裝 openpyxl 並指定引擎
pip install openpyxl
## 程式碼中加上 engine='openpyxl'

## 解法二（不推薦，僅臨時應急）：降版 xlrd
pip install xlrd==1.2.0

錯誤三：Permission denied

## Windows 用管理員權限執行
pip install --user pandas openpyxl

## macOS / Linux
sudo pip install pandas openpyxl

錯誤四：版本衝突

如果出現套件版本衝突，最乾淨的解法是建立新的虛擬環境重新安裝。

基本語法與核心參數完整解析

這是 pd.read_excel 用法的核心章節。每個參數都附上「何時使用」的判斷說明，幫助你快速找到需要的功能。完整的 pandas read_excel 參數文件也值得收藏備查。

最基本的讀取方式

只需一行程式碼，就能將 Excel 第一個工作表讀入 DataFrame：

import pandas as pd

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

預設行為：

• 讀取第一個工作表（sheet_name=0）
• 第一行作為欄位名稱（header=0）
• 自動偵測引擎（根據副檔名選擇 openpyxl 或 xlrd）
• 所有欄位都讀取

指定工作表（sheet_name）

Excel 檔案通常有多個工作表。sheet_name 參數支援多種指定方式：

## 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)

## 同時讀取多個工作表（回傳 dict）
dfs = pd.read_excel('data.xlsx', sheet_name=['任務列表', '預算表'])

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

動態取得工作表名稱： 當你不確定檔案裡有哪些工作表時，可以用 pd.ExcelFile 先查看：

xls = pd.ExcelFile('data.xlsx')
print(xls.sheet_names)  # 輸出：['任務列表', '預算表', '人力配置']

工作表名稱含空白或特殊字元的處理： 直接用字串傳入即可，pandas 會正確處理。

## 工作表名稱有空白
df = pd.read_excel('data.xlsx', sheet_name='Q1 報表')

## 工作表名稱有特殊字元
df = pd.read_excel('data.xlsx', sheet_name='部門(北區)')

（回傳 dict）、讀取全部工作表→sheet_name=None（回傳 dict）、不確定有哪些工作表→先用 pd.ExcelFile.sheet_names 查看]

engine 參數：如何選對引擎避免 ValueError

engine 參數決定 pandas 用哪個底層套件來解析 Excel 檔案。選錯引擎是 ValueError: Excel file format cannot be determined 的主要原因。

## 明確指定引擎（推薦做法）
df = pd.read_excel('data.xlsx', engine='openpyxl')
df = pd.read_excel('legacy.xls', engine='xlrd')
df = pd.read_excel('data.xlsb', engine='pyxlsb')
df = pd.read_excel('data.ods', engine='odf')

引擎選擇判斷流程：

1. 看副檔名：.xlsx / .xlsm → openpyxl；.xls → xlrd；.xlsb → pyxlsb；.ods → odf
2. 如果不指定 engine，pandas 會根據副檔名自動選擇。但自動選擇有時會失敗（例如檔案沒有副檔名、或副檔名被改過）
3. 最佳實踐：永遠明確指定 engine，避免環境差異導致的錯誤

## 完整的防錯寫法
import pandas as pd

file_path = 'report.xlsx'

try:
    df = pd.read_excel(file_path, engine='openpyxl')
except Exception as e:
    print(f"讀取失敗: {e}")
    # 嘗試其他引擎
    df = pd.read_excel(file_path, engine='xlrd')

欄位與行數控制（usecols、skiprows、nrows）

這三個參數讓你只讀取需要的資料，對大檔案效能優化特別重要。

usecols——只讀取特定欄位：

## 以欄位名稱指定
df = pd.read_excel('data.xlsx', usecols=['姓名', '進度', '截止日期'])

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

## 以欄位索引指定
df = pd.read_excel('data.xlsx', usecols=[0, 2, 4])

## 用函數篩選（只讀取名稱包含「日期」的欄位）
df = pd.read_excel('data.xlsx', usecols=lambda x: '日期' in str(x))

Excel 欄位字母對照： A=第1欄、B=第2欄、C=第3欄…Z=第26欄、AA=第27欄。usecols='A:C' 等同於讀取前三欄。你也可以用不連續的寫法：usecols='A,C,E'。

skiprows——跳過前幾行：

## 跳過前 2 行（常見於報表有標題區塊的情況）
df = pd.read_excel('data.xlsx', skiprows=2)

## 跳過特定行（第 0、2、4 行）
df = pd.read_excel('data.xlsx', skiprows=[0, 2, 4])

## 用函數判斷跳過條件
df = pd.read_excel('data.xlsx', skiprows=lambda x: x in [0, 1])

nrows——只讀取前 N 列資料：

## 只讀取前 100 列（適合先預覽大檔案）
df = pd.read_excel('data.xlsx', nrows=100)

組合技： skiprows + nrows + usecols 可以精確定位 Excel 中的任意區塊。

## 跳過前 3 行標題，只讀取 A 到 D 欄的前 50 筆資料
df = pd.read_excel(
    'data.xlsx',
    skiprows=3,
    nrows=50,
    usecols='A:D'
)

標題列與索引設定（header、index_col）

header——指定標題列位置：

## 預設：第一行為標題（header=0）
df = pd.read_excel('data.xlsx')

## 標題在第三行（從 0 起算）
df = pd.read_excel('data.xlsx', header=2)

## 沒有標題列（pandas 會自動編號 0, 1, 2...）
df = pd.read_excel('data.xlsx', header=None)

## 多層標題（MultiIndex columns）
df = pd.read_excel('data.xlsx', header=[0, 1])

index_col——指定索引欄位：

## 以欄位名稱設定索引
df = pd.read_excel('data.xlsx', index_col='任務ID')

## 以欄位位置設定索引
df = pd.read_excel('data.xlsx', index_col=0)

常見情境： 很多台灣企業的 Excel 報表前面會有 2-3 行的報表標題（例如「XX公司月度營收報表」「報表期間：…」），真正的欄位名稱在第 3 或第 4 行。這時候就需要 header 搭配 skiprows 使用。

資料型態與缺失值處理（dtype、converters、na_values、keep_default_na）

dtype——指定欄位資料型態：

## 將「員工編號」強制讀為字串（避免前導零被吃掉）
df = pd.read_excel('data.xlsx', dtype={'員工編號': str})

## 多個欄位指定型態
df = pd.read_excel('data.xlsx', dtype={
    '員工編號': str,
    '薪資': float,
    '部門代碼': str
})

為什麼需要 dtype？ Excel 中的「001」如果被 pandas 自動判斷為數字，會變成 1，前導零消失。這在處理員工編號、郵遞區號、產品代碼時特別容易出問題。更多 Excel 編碼問題的處理方式可以參考相關教學。

converters——自訂欄位轉換函數：

## 自訂轉換邏輯
df = pd.read_excel('data.xlsx', converters={
    '金額': lambda x: float(str(x).replace(',', '')),  # 移除千分位逗號
    '日期': lambda x: str(x).strip()  # 去除前後空白
})

na_values 與 keep_default_na——缺失值處理：

## 將「無」、「N/A」、「-」視為缺失值
df = pd.read_excel('data.xlsx', na_values=['無', 'N/A', '-', '待確認'])

## 關閉預設缺失值判斷（pandas 預設會將空字串、'NA'、'null' 等視為 NaN）
df = pd.read_excel('data.xlsx', keep_default_na=False)

日期與頁尾處理（parse_dates、skipfooter）

parse_dates——自動解析日期欄位：

## 指定日期欄位
df = pd.read_excel('data.xlsx', parse_dates=['開始日期', '結束日期'])

## 合併多欄為日期（例如「年」「月」「日」三欄合併）
df = pd.read_excel('data.xlsx', parse_dates={'日期': ['年', '月', '日']})

skipfooter——跳過結尾行數：

## 跳過最後 3 行（常見於報表底部有合計列或備註）
df = pd.read_excel('data.xlsx', skipfooter=3, engine='openpyxl')

注意：skipfooter 在某些引擎下的行為可能不同。使用 openpyxl 引擎時最穩定。

pd.read_excel 常見問題 FAQ

為什麼 pd.read_excel 讀不到資料？

最常見的原因有三個：檔案路徑錯誤（用 os.path.exists() 確認）、sheet_name 指定的工作表不存在（用 pd.ExcelFile.sheet_names 查看）、或檔案被其他程式鎖定（關閉 Excel 再試）。如果讀取成功但 DataFrame 是空的，檢查 header 和 skiprows 參數是否跳過了所有資料行。

pd.read_excel 有 encoding 參數嗎？

pd.read_excel 本身沒有 encoding 參數，因為 .xlsx 格式內部使用 UTF-8 編碼，不需要額外指定。如果你遇到中文亂碼，通常是因為檔案實際上是 CSV 格式（只是副檔名被改成 .xlsx），這時應改用 pd.read_csv('file.xlsx', encoding='big5') 或 encoding='utf-8-sig'。更多 Excel 公式與資料處理的技巧也可以參考。

如何處理 Excel 中的合併儲存格？

pandas 會將合併儲存格的值只放在第一個儲存格，其餘填入 NaN。讀取後用 df['欄位名'].ffill() 向下填充即可。如果合併結構太複雜，建議先在 Excel 中取消合併儲存格再另存新檔。

pandas 升級到 2.0 後讀不到 .xlsx 怎麼辦？

安裝 openpyxl（pip install openpyxl）並在程式碼中明確指定 engine='openpyxl'。pandas 2.0 改變了預設引擎的選擇邏輯，不再自動使用 xlrd 讀取 .xlsx。這是一次性的修復，改完後就不會再遇到。

pd.read_excel 和 pd.read_csv 該用哪個？

如果你的資料來源是 Excel 檔案（.xlsx/.xls），用 pd.read_excel。如果是 CSV 檔案，用 pd.read_csv——它的讀取速度比 pd.read_excel 快 5-10 倍，而且支援 encoding 參數處理中文編碼。如果你的 Excel 檔案超過 50MB 且不需要多工作表功能，建議先轉成 CSV 再用 pd.read_csv 讀取。

如何一次讀取 Excel 中的所有工作表？

使用 sheet_name=None 參數：dfs = pd.read_excel('file.xlsx', sheet_name=None)。回傳值是一個字典，鍵為工作表名稱，值為對應的 DataFrame。要合併所有工作表，用 pd.concat(dfs.values(), ignore_index=True)。