正如其他人所建议的，csv阅读更快。因此，如果您在Windows上并拥有Excel，则可以调用vbscript将Excel转换为csv，然后读取csv。我尝试了下面的脚本，花了大约30秒。

# create a list with sheet numbers you want to process
sheets = map(str,range(1,6))

# convert each sheet to csv and then read it using read_csv
df={}
from subprocess import call
excel='C:\\Users\\rsignell\\OTT_Data_All_stations.xlsx'
for sheet in sheets:
    csv = 'C:\\Users\\rsignell\\test' + sheet + '.csv' 
    call(['cscript.exe', 'C:\\Users\\rsignell\\ExcelToCsv.vbs', excel, csv, sheet])
    df[sheet]=pd.read_csv(csv)

下面是创建ExcelToCsv.vbs脚本的一小段python代码：

#write vbscript to file
vbscript="""if WScript.Arguments.Count < 3 Then
    WScript.Echo "Please specify the source and the destination files. Usage: ExcelToCsv <xls/xlsx source file> <csv destination file> <worksheet number (starts at 1)>"
    Wscript.Quit
End If

csv_format = 6

Set objFSO = CreateObject("Scripting.FileSystemObject")

src_file = objFSO.GetAbsolutePathName(Wscript.Arguments.Item(0))
dest_file = objFSO.GetAbsolutePathName(WScript.Arguments.Item(1))
worksheet_number = CInt(WScript.Arguments.Item(2))

Dim oExcel
Set oExcel = CreateObject("Excel.Application")

Dim oBook
Set oBook = oExcel.Workbooks.Open(src_file)
oBook.Worksheets(worksheet_number).Activate

oBook.SaveAs dest_file, csv_format

oBook.Close False
oExcel.Quit
""";

f = open('ExcelToCsv.vbs','w')
f.write(vbscript.encode('utf-8'))
f.close()

这个答案得益于Convert XLS to CSV on command line和csv & xlsx files import to pandas data frame: speed issue

我使用xlsx2csv在内存中将excel文件虚拟转换为csv，这有助于将读取时间减少一半左右。

from xlsx2csv import Xlsx2csv
from io import StringIO
import pandas as pd

def read_excel(path: str, sheet_name: str) -> pd.DataFrame:
    buffer = StringIO()
    Xlsx2csv(path, outputencoding="utf-8", sheet_name=sheet_name).convert(buffer)
    buffer.seek(0)
    df = pd.read_csv(buffer)
    return df

如果你有少于65536行（在每个工作表中），你可以尝试xls（而不是xlsx）。根据我的经验，xls比xlsx快。很难与csv进行比较，因为它取决于张数。
虽然这不是一个理想的解决方案（xls是一个二进制旧的privative格式），我发现这是有用的，如果你正在使用***许多工作表***，内部公式***与值经常更新***，或无论出于什么原因，你真的想*保持excel多表功能（而不是csv分隔文件）。

根据我的经验，Pandas read_excel()可以很好地处理包含多个工作表的Excel文件。正如Using Pandas to read multiple worksheets中所建议的，如果您将sheet_name分配给None，它将自动将每个工作表放入Dataframe中，并将输出一个Dataframe字典，其中包含工作表名称的键。
但它需要时间的原因是你在代码中解析文本的地方。14MB的excel和5张表并没有那么多。我有一个20.1MB的Excel文件，其中有46张表格，每张表格有6000多行和17列，使用read_excel，如下所示：

t0 = time.time()

def parse(datestr):
    y,m,d = datestr.split("/")
    return dt.date(int(y),int(m),int(d))

data = pd.read_excel("DATA (1).xlsx", sheet_name=None, encoding="utf-8", skiprows=1, header=0, parse_dates=[1], date_parser=parse)

t1 = time.time()

print(t1 - t0)
## result: 37.54169297218323 seconds

在上面的代码中，data是一个包含46个 Dataframe 的字典。
正如其他人建议的那样，使用read_csv()可以帮助，因为阅读.csv文件更快。但是考虑到.xlsx文件使用压缩的事实，.csv文件可能更大，因此读取速度更慢。但是如果你想使用python将文件转换为逗号分隔（Rich Signel提供VBcode），你可以用途：Convert xlsx to csv

我知道这是旧的，但如果其他人正在寻找一个不涉及VB的答案。Pandas read_csv() * 更快，但你不需要VB脚本来获取csv文件。
打开Excel文件并保存为 *.csv（逗号分隔值）格式。
在工具下，您可以选择Web选项，在编码选项卡下，您可以将编码更改为适合您的数据的任何编码。我最终使用了西欧的Windows，因为Windows UTF编码是“特殊的”，但有很多方法可以完成同样的事情。然后使用pd.read_csv()中的encoding参数指定编码。
此处列出了编码选项

我鼓励你自己做比较，看看哪种方法适合你的情况。
例如，如果您正在处理大量XLSX文件，并且只打算读取每个文件一次，则可能不想担心CSV转换。但是，如果您要反复阅读CSV，那么我强烈建议将工作簿中的每个工作表保存到CSV中一次，然后使用pd.read_csv()反复阅读它们。
下面是一个简单的脚本，可以让您比较Importing XLSX Directly、Converting XLSX to CSV in memory和Importing CSV。它基于Jing Xue's答案。
剧透警告：如果您要多次读取文件，将XLSX转换为CSV会更快。
我做了一些测试与一些文件我的工作是这里是我的结果：

5,874 KB xlsx file (29,415 rows, 58 columns)
Elapsed time for [Import XLSX with Pandas]:    0:00:31.75
Elapsed time for [Convert XLSX to CSV in mem]: 0:00:22.19
Elapsed time for [Import CSV file]:            0:00:00.21

********************
202,782 KB xlsx file (990,832 rows, 58 columns)
Elapsed time for [Import XLSX with Pandas]:    0:17:04.31
Elapsed time for [Convert XLSX to CSV in mem]: 0:12:11.74
Elapsed time for [Import CSV file]:            0:00:07.11

是的！202 MB的文件确实只花了7秒钟，而XLSX只花了17分钟！！！
如果您准备设置自己的测试，只需在Excel中打开XLSX并将其中一个工作表保存为CSV。对于最终的解决方案，您显然需要循环遍历工作表来处理每个工作表。
您还需要pip install rich pandas xlsx2csv。

from rich import print
import pandas as pd
from datetime import datetime
from xlsx2csv import Xlsx2csv
from io import StringIO

def timer(name, startTime = None):
    if startTime:
        print(f"Timer: Elapsed time for [{name}]: {datetime.now() - startTime}")
    else:
        startTime = datetime.now()
        print(f"Timer: Starting [{name}] at {startTime}")
        return startTime

def read_excel(path: str, sheet_name: str) -> pd.DataFrame:
    buffer = StringIO()
    Xlsx2csv(path, outputencoding="utf-8", sheet_name=sheet_name).convert(buffer)
    buffer.seek(0)
    df = pd.read_csv(buffer)
    return df

xlsxFileName = "MyBig.xlsx"
sheetName = "Sheet1"
csvFileName = "MyBig.csv"

startTime = timer(name="Import XLSX with Pandas")
df = pd.read_excel(xlsxFileName, sheet_name=sheetName)
timer("Import XLSX with Pandas", startTime)

startTime = timer(name="Convert XLSX to CSV first")
df = read_excel(path=xlsxFileName, sheet_name=sheetName)
timer("Convert XLSX to CSV first", startTime)

startTime = timer(name="Import CSV")
df = pd.read_csv(csvFileName)
timer("Import CSV", startTime)

最近有一个类似的问题，并通过使用库xlwings解决了它：

import xlwings as xw
import pandas as pd

def xw_excel_to_df(file_path, sheet_name=None, sheet_range=None):
    app = xw.App()
    book = xw.Book(file_path, read_only=True)

    if sheet_name is None:
        sheet_name = book.sheets[0].name

    if sheet_range is None:
        data = book.sheets[sheet_name]["A1"].expand().value
    else:
        data = book.sheets[sheet_name][sheet_range].value

    df = pd.DataFrame(data=data[1:], columns=data[0])

    book.close()
    app.quit()

    return df

基本上，它在本地打开一个Excel示例，读取数据，将其加载到数据框中，然后关闭Excel。
您必须在PC中安装Excel，然后您可能必须解决一些依赖关系才能在远程使用此资源。
使用它的一些本地分析使用jupyter笔记本，顺便说一句，工作完美的我！：）

没有理由打开excel * 如果 * 你愿意处理一次缓慢的转换。
1.使用pd.read_excel()将数据读入 Dataframe
1.立即使用pd.to_csv()将其转储到csv中
避免excel和windows特定的调用。在我的情况下，一次性的打击是值得的麻烦。我得到了一个。