パンダ：Excelファイルでシートのリストを検索する

新しいバージョンのPandasでは、次のインターフェイスを使用して Excelファイルを読み込みます。

read_excel('path_to_file.xls', 'Sheet1', index_col=None, na_values=['NA'])

しかし、利用可能なシートがわからない場合はどうなりますか？

たとえば、次のシートのExcelファイルを使用しています

データ1、データ2 ...、データN、foo、bar

わからない N先験的に。

パンダのExcelドキュメントからシートのリストを取得する方法はありますか？

ExcelFileクラス（およびsheet_names属性）は引き続き使用できます。

xl = pd.ExcelFile('foo.xls')

xl.sheet_names  # see all sheet names

xl.parse(sheet_name)  # read a specific sheet to DataFrame

その他のオプションについては、解析のドキュメントを参照してください...

2番目のパラメーター（シート名）を明示的にNoneとして指定する必要があります。このような：

 df = pandas.read_excel("/yourPath/FileName.xlsx", None);

「df」はすべてDataFrameのディクショナリとしてのシートです。次のコマンドを実行して確認できます。

df.keys()

このような結果：

[u'201610', u'201601', u'201701', u'201702', u'201703', u'201704', u'201705', u'201706', u'201612', u'fund', u'201603', u'201602', u'201605', u'201607', u'201606', u'201608', u'201512', u'201611', u'201604']

詳細については、パンダのドキュメントを参照してください：https : //pandas.pydata.org/pandas-docs/stable/generated/pandas.read_excel.html

これは、@ divingTobiの回答に触発された、私が見つけた最速の方法です。すべてxlrd、openpyxl、またはpandasに基づく回答は、最初にファイル全体をロードするため、時間がかかります。

from zipfile import ZipFile
from bs4 import BeautifulSoup  # you also need to install "lxml" for the XML parser

with ZipFile(file) as zipped_file:
    summary = zipped_file.open(r'xl/workbook.xml').read()
soup = BeautifulSoup(summary, "xml")
sheets = [sheet.get("name") for sheet in soup.find_all("sheet")]

@dhwanil_shahの答えを基にして、ファイル全体を抽出する必要はありません。とzf.openzipファイルから直接読み取ることが可能です。

import xml.etree.ElementTree as ET
import zipfile

def xlsxSheets(f):
    zf = zipfile.ZipFile(f)

    f = zf.open(r'xl/workbook.xml')

    l = f.readline()
    l = f.readline()
    root = ET.fromstring(l)
    sheets=[]
    for c in root.findall('{http://schemas.openxmlformats.org/spreadsheetml/2006/main}sheets/*'):
        sheets.append(c.attrib['name'])
    return sheets

2連続 readlineは醜いですが、コンテンツはテキストの2行目にのみあります。ファイル全体を解析する必要はありません。

このソリューションは、read_excelバージョンよりもはるかに高速であるように思われ、おそらく完全抽出バージョンよりも高速です。

私はxlrd、pandas、openpyxlなどのライブラリを試してみましたが、ファイル全体を読み取るときにファイルサイズが大きくなると、それらすべてに指数関数的な時間がかかるようです。上記で「オンデマンド」を使用した他のソリューションは、私にはうまくいきませんでした。最初にシート名を取得するだけの場合、次の関数はxlsxファイルに対して機能します。

def get_sheet_details(file_path):
    sheets = []
    file_name = os.path.splitext(os.path.split(file_path)[-1])[0]
    # Make a temporary directory with the file name
    directory_to_extract_to = os.path.join(settings.MEDIA_ROOT, file_name)
    os.mkdir(directory_to_extract_to)

    # Extract the xlsx file as it is just a zip file
    zip_ref = zipfile.ZipFile(file_path, 'r')
    zip_ref.extractall(directory_to_extract_to)
    zip_ref.close()

    # Open the workbook.xml which is very light and only has meta data, get sheets from it
    path_to_workbook = os.path.join(directory_to_extract_to, 'xl', 'workbook.xml')
    with open(path_to_workbook, 'r') as f:
        xml = f.read()
        dictionary = xmltodict.parse(xml)
        for sheet in dictionary['workbook']['sheets']['sheet']:
            sheet_details = {
                'id': sheet['@sheetId'],
                'name': sheet['@name']
            }
            sheets.append(sheet_details)

    # Delete the extracted files directory
    shutil.rmtree(directory_to_extract_to)
    return sheets

すべてのxlsxは基本的にzipファイルであるため、基になるxmlデータを抽出し、ライブラリー関数と比較してほんの一瞬でワークブックからシート名を直接読み取ります。

ベンチマーク：（4シートの6mb xlsxファイル）
Pandas、xlrd： 12秒
openpyxl： 24秒
提案された方法： 0.4秒

私の要件はシート名を読むことだけだったので、全体の時間を読むことの不必要なオーバーヘッドが私を悩ませていたので、代わりにこのルートをとりました。

from openpyxl import load_workbook

sheets = load_workbook(excel_file, read_only=True).sheetnames

フラグload_workbookなしで使用している5MBのExcelファイルの場合、read_only8.24秒かかりました。read_onlyフラグがあれば、39.6ミリ秒しかかかりませんでした。それでもExcelライブラリを使用し、xmlソリューションにドロップしない場合は、ファイル全体を解析するメソッドよりもはるかに高速です。