Python 讀取 Excel 教學總覽
Excel 是專案管理、數據分析與日常辦公不可或缺的工具。隨著自動化需求提升，利用 Python 讀取與處理 Excel 檔案已成為知識工作者與團隊領導的必備技能。Python 提供多種套件協助你高效讀取、分析、整合 Excel 資料，其中以 pandas 與 openpyxl 最為主流。
本教學將深入解析這兩大工具的適用情境、安裝步驟、進階用法與常見問題，並結合實務案例，協助你解決日常工作痛點，提升團隊協作效率。
產業應用情境
- 專案經理需合併多份進度報告，快速產出統計分析。
- 行政人員需自動讀取多個部門的 Excel 表單，彙整成統一格式。
- 數據分析師需批次處理大型 Excel 檔案，進行資料清洗與視覺化。
安裝與準備工作
安裝必要套件（pandas、openpyxl）
建議使用 Python 3.8 以上版本，確保相容性與效能。
安裝指令如下：
pip install pandas openpyxl
- pandas：適合大量資料分析、表格運算、快速讀取與寫入。
- openpyxl：適合需要操作 Excel 格式、樣式、公式，或需細緻控制單元格內容時。
如需處理舊版 .xls 格式，可考慮安裝 xlrd，但新版 pandas 已不再支援 .xls，建議將檔案轉為 .xlsx。
Excel 檔案格式支援說明
| 格式 | pandas 支援 | openpyxl 支援 | 備註 |
|---|---|---|---|
| .xlsx | ✔️ | ✔️ | 主流格式，建議優先使用 |
| .xls | 部分支援 | ❌ | pandas 需額外安裝 xlrd |
| .csv | ✔️ | ❌ | pandas 直接支援 |
建議： 若遇到格式錯誤，請先將檔案另存為 .xlsx。
使用 pandas 讀取 Excel
pandas 是資料分析的強大工具，能將 Excel 轉為 DataFrame，方便進行篩選、統計、合併等操作。
基本讀取與 DataFrame 操作
import pandas as pd
# 讀取 Excel 檔案
df = pd.read_excel('data.xlsx')
print(df.head()) # 顯示前五筆資料
常見參數說明：
– sheet_name：指定工作表名稱或索引（預設讀取第一張）。
– header：指定標題列（預設為第 0 列）。
– usecols：指定讀取的欄位範圍。
– skiprows：跳過前 n 列。
實務案例：
專案經理只需彙整「進度」與「負責人」兩欄，可這樣讀取：
df = pd.read_excel('project.xlsx', usecols=['進度', '負責人'])
選擇特定工作表與範圍
讀取指定工作表：
df = pd.read_excel('data.xlsx', sheet_name='部門A')
讀取多個工作表：
all_sheets = pd.read_excel('data.xlsx', sheet_name=None) # 回傳 dict，key 為工作表名
讀取特定列與欄：
df = pd.read_excel('data.xlsx', skiprows=2, usecols='B:D')
常見錯誤處理：
– 若遇到「ValueError: Excel file format cannot be determined」：請確認檔案副檔名與內容一致，並嘗試另存為 .xlsx。
– 若出現亂碼，可加上 encoding='utf-8'，但 Excel 通常不需指定編碼，若仍有問題，請檢查原始檔案內容。
進階應用與常見問題
多檔案合併
情境： 每月有多份報表需合併分析。
import glob
files = glob.glob('reports/*.xlsx')
df_list = [pd.read_excel(f) for f in files]
merged_df = pd.concat(df_list, ignore_index=True)
缺失值處理
df.fillna(0, inplace=True) # 將缺失值補 0
讀取大型檔案效能建議
- 只讀取必要欄位與列（用 usecols、nrows）。
- 分批處理，避免一次載入全部資料。
中文亂碼處理
- pandas 讀取 Excel 通常不會亂碼，若遇到亂碼，多半是原始檔案儲存格式有誤，建議重新另存檔案。
使用 openpyxl 讀取 Excel
openpyxl 適合需要操作 Excel 格式、樣式、公式或需細緻控制單元格內容的場合，僅支援 .xlsx 格式。
基本讀取與儲存格操作
from openpyxl import load_workbook
wb = load_workbook('data.xlsx')
ws = wb.active # 取得預設工作表
print(ws['A1'].value) # 讀取 A1 儲存格內容
讀取指定工作表：
ws = wb['部門A']
讀取多個儲存格：
for row in ws['A1':'C3']:
for cell in row:
print(cell.value)
迭代資料與進階操作
逐行讀取所有資料：
for row in ws.iter_rows(values_only=True):
print(row)
處理合併儲存格：
- 讀取合併儲存格時，僅左上角儲存格有值，其餘為 None。
- 可用
ws.merged_cells.ranges取得所有合併範圍。
讀取公式結果：
- openpyxl 讀取公式儲存格時，預設只會顯示公式本身，若需取得計算結果，需先在 Excel 另存檔案並儲存值。
pandas 與 openpyxl 選擇比較
| 需求情境 | pandas 適用 | openpyxl 適用 |
|---|---|---|
| 大量資料分析 | ✔️ | ❌ |
| 需操作格式/樣式 | ❌ | ✔️ |
| 只需讀取表格內容 | ✔️ | ✔️ |
| 需讀寫公式/圖片 | ❌ | ✔️ |
| 支援 .xls 格式 | 部分支援 | ❌ |
實務建議：
– 資料分析、批次處理：優先選擇 pandas。
– 需控制格式、公式、合併儲存格：選擇 openpyxl。
常見問題（FAQ）
Q1：為什麼讀取 Excel 時出現格式錯誤或亂碼？
A：請確認檔案為 .xlsx 格式，若為 .xls 請另存為 .xlsx。亂碼通常與 Excel 檔案本身無關，若仍有問題，檢查原始資料是否含特殊字元。
Q2：如何讀取多個 Excel 檔案並合併？
A：可用 pandas 的 glob 與 concat，詳見上方「多檔案合併」範例。
Q3：openpyxl 讀取合併儲存格時，為何部分儲存格為 None？
A：合併儲存格僅左上角有值，其餘儲存格會顯示為 None，需特別處理。
Q4：pandas 讀取 Excel 時遇到「ValueError: Excel file format cannot be determined」怎麼辦？
A：請確認檔案副檔名與實際格式一致，建議另存為 .xlsx 再讀取。
Q5：如何提升大型 Excel 檔案的讀取效能？
A：只讀取必要欄位與列，分批處理，或考慮將資料轉為 CSV 格式再處理。
結論與工具推薦
Python 讀取 Excel 不僅能大幅提升資料處理效率，更能協助專案管理、團隊協作與自動化日常工作。根據需求選擇 pandas 或 openpyxl，能讓你在不同場景下發揮最大效益。
若你希望進一步提升團隊協作效率，建議可結合 Monday.com、ClickUp、Notion 等現代化專案管理工具，將資料整合、任務追蹤與自動化流程無縫串接，打造高效數位辦公環境。
