Python

Python pandas提供了读取Excel文件的接口，对于前述用Java读取的那个简单格式的Excel文件，用Python读取的代码如下：

import pandas as pd
file = 'simple.xls'
data = pd.read_excel(file,sheet_name='Sheet1',header=0)

参数header=0表明第一行是列标题，data就是读出来的结构化数据集。

对于表头结构比较复杂的Excel，比如下图：

用Python读取这个文件的程序如下：

import pandas as pd
file = 'complex.xls'
data = pd.read_excel(file,sheet_name='Sheet1',header=None,skiprows=[0,1,2,3])
data.columns=['No', 'ItemCode', 'ItemName', 'Unit', 'Quantity', 'Price', 'Sum']

在读取时用参数指定没有表头且读数时跳过前面4行，从第5行数据区开始读(如果有表尾，还可以指定忽略最后几行)，程序最后一行设置数据集data的列名。

Excel文件中还常有交叉表数据，例如下图：

读取这个交叉表的程序如下：

import pandas as pd
file = 'cross.xls'
data = pd.read_excel(file,sheet_name='Sheet1',header=1)
data = data.melt(id_vars=['Unnamed: 0'], 
                 value_vars=['West', 'East','Center', 'North','South', 'Northwest','Southwest'],
                 var_name='Area',
                 value_name='Amount')
data.rename(columns={'Unnamed: 0': 'Type'})

读出来的data数据如下图：

可以看出来，Python读取Excel文件的代码比较简单，比Java前进了一大步。而且pandas封装了不少结构化数据的处理函数，对于后续计算也比Java和VBA提供了较好的支持。如果是可读入内存的小文件，它可以很简单地处理。

可惜的是，pandas没有针对大文件提供直接分批处理的方法，无论读取还是运算仍然要自己写，非常麻烦。可参考Python 如何处理大文件。

集算器 SPL

集算器 SPL是专业的开源数据处理工具，提供了各种读取Excel文件的方法，其脚本语言SPL中封装了丰富的结构化数据计算函数，可以完美地支持各种后续计算、数据导出及入库等工作。

SPL读取Excel文件的程序非常简单，只要写一行代码就可以：

1、 简单格式

=file("simple.xls").xlsimport@t()

选项@t表示第一行是列标题

2、 复杂表头

=file("complex.xls"). xlsimport(;1,5).rename(#1:No,#2:ItemCode,#3:ItemName,

#4:Unit,#5:Quantity,#6:Price,#7:Sum)

参数1,5表示读第1个sheet，从第5行开始读(也可以指定结束行)，读数以后再用rename修改列名

3、 交叉表

=file("cross.xls").xlsimport@t(;1,2).rename(#1:Type).pivot@r(Type;Area,Amount)

pivot函数中以Type分组对表数据进行行列转置，选项@r表示将列数据转换为行数据，转换后新的列名分别为“Area”、“Amount”。

从代码上可以看出来，对于解析Excel文件，SPL比Python pandas更为简洁。事实上，SPL做后续处理计算比pandas有更大优势，具体可参考桌面轻量级数据处理脚本。

而且，SPL还可以很方便地进行大文件数据的读取和计算，它提供游标机制，允许数据分析师用类似处理小数据量的语法，直观地处理较大的数据量，程序代码和处理小文件一样简单，比如简单格式的大数据量文件，用游标读数的程序代码是：

=file("big.xlsx").xlsimport@tc()

通过比较，我们可以看到，Python pandas和SPL用于解析Excel文件的代码都很简练，而且也都具备丰富的结构化计算函数，可以实现日常工作中的数据处理。两者相比，SPL更为简洁，并且还能方便地处理大文件。