除了使用xlrd庫或者xlwt庫進行對excel表格的操作讀與寫，而且pandas庫同樣支援excel的操作；且pandas操作更加簡介方便。

首先是pd.read_excel的引數：函式為：

pd.read_excel(io, sheetname=0,header=0,skiprows=None,index_col=None,names=None,
                arse_cols=None,date_parser=None,na_values=None,thousands=None, 
                convert_float=True,has_index_names=
 
None,converters=None,dtype=None,
                true_values=None,false_values=None,engine=None,squeeze=False,**kwds)

表格資料：

常用引數解析：

• io ：excel 路徑；

In [10]: import pandas as pd
#定義路徑IO
In [11]: IO = 'example.xls'
#讀取excel檔案
In [12]: sheet = pd.read_excel(io=IO)
#此處由於sheetname預設是0，所以返回第一個表
In [13
 
]: sheet
Out[13]:
   姓名  年齡        出生日  愛好   關係
0  小王  23 1991-10-02  足球   朋友
1  小麗  23 1992-11-02  籃球  NaN
2  小黑  25 1991-10-18  游泳   同學
3  小白  21 1989-09-09  遊戲  NaN
4  小紅  25 1990-08-07  看劇  NaN
5  小米  24 1991-12-12  足球  NaN
6  大錘  26 1988-09-09  看劇   個人
#上述列表返回的結果和原表格存在合併單元格的差異

• sheetname：預設是sheetname為0，返回多表使用sheetname=[0,1]，若sheetname=None是返回全表 。注意：int/string返回的是dataframe，而none和list返回的是dict of dataframe。

In [7]: sheet = pd.read_excel('example.xls',sheetname= [0,1])
#引數為None時，返回全部的表格，是一個表格的字典；
#當引數為list = [0，1，2，3]此類時，返回的多表格同樣是字典
In [8]: sheet
Out[8]:
{0:    姓名  年齡        出生日  愛好   關係
 0  小王  23 1991-10-02  足球   朋友
 1  小麗  23 1992-11-02  籃球  NaN
 2  小黑  25 1991-10-18  游泳   同學
 3  小白  21 1989-09-09  遊戲  NaN
 4  小紅  25 1990-08-07  看劇  NaN
 5  小米  24 1991-12-12  足球  NaN
 6  大錘  26 1988-09-09  看劇   個人, 1:    1  3  5  學生
 0  2  3  4  老師
 1  4  1  9  教授}
#value是一個多位陣列
In [15]: sheet[0].values
Out[15]:
array([['小王', 23, Timestamp('1991-10-02 00:00:00'), '足球', '朋友'],
       ['小麗', 23, Timestamp('1992-11-02 00:00:00'), '籃球', nan],
       ['小黑', 25, Timestamp('1991-10-18 00:00:00'), '游泳', '同學'],
       ['小白', 21, Timestamp('1989-09-09 00:00:00'), '遊戲', nan],
       ['小紅', 25, Timestamp('1990-08-07 00:00:00'), '看劇', nan],
       ['小米', 24, Timestamp('1991-12-12 00:00:00'), '足球', nan],
       ['大錘', 26, Timestamp('1988-09-09 00:00:00'), '看劇', '個人']], dtype=object)

#同樣可以根據表頭名稱或者表的位置讀取該表的資料
#通過表名
In [17]: sheet = pd.read_excel('example.xls',sheetname= 'Sheet2')
In [18]: sheet
Out[18]:
   1  3  5  學生
0  2  3  4  老師
1  4  1  9  教授

#通過表的位置
In [19]: sheet = pd.read_excel('example.xls',sheetname= 1)

In [20]: sheet
Out[20]:
   1  3  5  學生
0  2  3  4  老師
1  4  1  9  教授

• header ：指定作為列名的行，預設0，即取第一行，資料為列名行以下的資料；若資料不含列名，則設定 header = None；

#資料不含作為列名的行
In [21]: sheet = pd.read_excel('example.xls',sheetname= 1,header = None)
In [22]: sheet
Out[22]:
   0  1  2   3
0  1  3  5  學生
1  2  3  4  老師
2  4  1  9  教授
#預設第一行資料作為列名
In [23]: sheet = pd.read_excel('example.xls',sheetname= 1,header =0)
In [24]: sheet
Out[24]:
   1  3  5  學生
0  2  3  4  老師
1  4  1  9  教授

• skiprows：省略指定行數的資料

In [25]: sheet = pd.read_excel('example.xls',sheetname= 1,header = None,skiprows= 1)
#略去1行的資料，自上而下的開始略去資料的行
In [26]: sheet
Out[26]:
   0  1  2   3
0  2  3  4  老師
1  4  1  9  教授

• skip_footer：省略從尾部數的行資料

In [27]: sheet = pd.read_excel('example.xls',sheetname= 1,header = None,skip_footer= 1)
#從尾部開始略去行的資料
In [28]: sheet
Out[28]:
   0  1  2   3
0  1  3  5  學生
1  2  3  4  老師

• index_col ：指定列為索引列，也可以使用 u’string’

#指定第二列的資料作為行索引
In [30]: sheet = pd.read_excel('example.xls',sheetname= 1,header = None,skip_footer= 1,index_col=1)

In [31]: sheet
Out[31]:
   0  2   3
1
3  1  5  學生
3  2  4  老師

• names：指定列的名字，傳入一個list資料

In [32]: sheet = pd.read_excel('example.xls',sheetname= 1,header = None,skip_footer= 1,index_col=1,names=['a','b','c'])
    ...:

In [33]: sheet
Out[33]:
   a  b   c
1
3  1  5  學生
3  2  4  老師

總體而言，pandas庫的pd.read_excel和pd.read_csv的引數比較類似，且相較之前的xlrd庫的讀表操作更加簡單，針對一般批量的資料處理最好選擇pandas庫操作。但是功能有待完善或者本次研究的不夠深入，比如合併單元格的問題，歡迎一起討論交流。