Python Excel 库对比 2026：4 个主流库实测与选型指南

周一，你需要把 Excel 数据读入 DataFrame 进行分析；周三，客户发来一份工作簿模板，要求在更新内容的同时保留原有图表；周五，财务团队又需要将同一份报表导出为 PDF，并为原始工作簿设置打开密码。Python 中处理 Excel 的库不少，但它们的设计目标和能力边界各不相同。选错工具，问题往往到处理后期才会暴露：保存后图表等对象未能保留、公式单元格缺少可用的计算结果，或者所选库及读取引擎无法处理特定的 .xlsb 文件。

为帮助开发者做出合适的选择，本文围绕一组功能测试文件，并使用同一份 5 万行数据集，对 pandas 3.1.0、openpyxl 3.1.5、XlsxWriter 3.3.1 和 Spire.XLS for Python 16.8.2（商业库）进行了实际测试。测试涵盖文件格式支持、工作簿编辑与对象保留、公式处理与计算、PDF 和 HTML 转换、工作簿加密、读写性能、内存占用、安装要求及授权限制。通过测试结果，可以了解各个库的实际优势与局限，并根据项目需求选择合适的工具。本文仅比较三个开源库和一个商业 SDK，其他商业 SDK 不在讨论范围内。

快速导航

• 如何选择 Python Excel 库
• 开源 Python Excel 库各自擅长什么
• 开源库不够用的五种情况
• Spire.XLS for Python 能做什么
• 构建多步骤的 Excel 处理流程
• 性能、部署、技术支持与版本维护
• Free 版、试用版与商业版的区别
• 结合项目需求选择 Python Excel 库
• 常见问题
• 测试说明

1. 如何选择 Python Excel 库

简单来说：只需读取数据时，pandas 搭配 calamine 引擎速度最快；需要修改已有的 .xlsx 文件时，openpyxl 是最实用的开源方案；需要生成格式化的新报表时，XlsxWriter 是写入速度最快的开源方案。当同一条流程要同时完成多格式读写、公式重算、PDF/HTML 输出和加密等多项工作时，则更适合考虑 Spire.XLS for Python。下表给出概要，具体测试数据见后文各节。

如果只需要把数据读入 DataFrame，pandas 搭配 calamine 已经足够。若项目后续会走向自动化，可参考 使用 Python 自动写入 Excel。

2. 开源 Python Excel 库各自擅长什么

pandas、openpyxl 和 XlsxWriter 是互补关系，而非相互替代。三者各自在一类任务上表现突出，因此不少项目最终会同时用到其中两三个。

pandas：读取和分析表格数据

pandas 将工作表读取为 DataFrame，这种结构非常适合数据分析。配合 calamine 引擎，可读取 .xlsx、.xlsb、.ods 和 .xls 文件。在本次测试中，该方案的读取速度最快：读取 5 万行 × 6 列数据耗时 294 ms（5 次运行的中位数）。样式方面，可通过 Styler 配合 jinja2 设置，实测单元格的填充和加粗均能正常生效；但在 pandas 3.1 中，数字格式设置未能生效，单元格仍为“常规”格式。

pandas 的边界在于概念本身：DataFrame 不是工作簿。使用 to_excel 写回文件时会重建整个文件，图表、图片和数据透视表不会保留；公式可以写入，但不会计算。读取相关内容可参阅 Python 读取 Excel 文件 和 pandas Excel I/O 官方文档。

openpyxl：编辑已有的 .xlsx 和 .xlsm 文件

openpyxl 可加载工作簿、修改内容并保存。在本次测试的工作簿中，往返保存后图表、图片、条件格式、数据验证、合并单元格、冻结窗格、筛选和数据透视表部件均得以保留，Excel 16.0 打开结果文件时也没有报错。需要说明的是，这一结论仅针对本次测试文件，不代表所有 DrawingML 形状或 VBA 项目都能保留。

openpyxl 的限制比较明确：仅支持 4 种 OOXML 格式（.xlsx、.xlsm、.xltx、.xltm）；没有计算引擎，公式不会被计算；无法直接打开受密码保护的文件，需借助 msoffcrypto 等外部工具；数据透视表可以保留，但创建时需通过底层的 add_pivot 手动组装缓存和定义。此外，write_only 模式的内存占用在所有写入方案中最低，仅 79.4 MB。官方文档：openpyxl。

XlsxWriter：生成新报表

XlsxWriter 专用于创建新的 .xlsx 文件，功能完善，支持单元格格式、图表、图片、条件格式、数据验证，以及带缓存值的公式。写入 5 万行数据耗时 1.74 s，是本次测试中速度最快的写入方案，快于 pandas 和 openpyxl 等其他方法。

XlsxWriter 无法读取或修改已有文件，也不支持创建数据透视表、加密，以及输出 .xlsb 或 .ods 格式。官方文档：XlsxWriter。

3. 开源库不够用的五种情况

当任务跨越多个库的专长范围时，单一的开源库就开始力不从心。以下五种情况较为常见。

1. 同一流程涉及多种文件格式。 pandas 可以读取 xls、xlsb 和 ods，但读取结果是 DataFrame，编辑后无法以原格式存回；openpyxl 和 XlsxWriter 则完全不支持这些格式。
2. 编辑后需要重新计算公式。 openpyxl 会保留公式，但无法求值；pandas 写入的公式不带结果，缓存值取决于底层引擎：使用 openpyxl 时为空值，使用 xlsxwriter 时为占位的 0。Excel 打开文件时会自动重算，但其他读取工具读到的并不是有效结果。
3. 数据透视表等复杂对象。 openpyxl 可以保留已有的数据透视表，但没有高层的创建接口；XlsxWriter 和 pandas 则均不提供。
4. 输出 PDF、HTML 或图片。 将工作表转换为分页的 PDF 需要额外的库，页面布局、缩放和分页也需自行处理。
5. 工作簿密码保护。 三个开源库都无法写出需要密码才能打开的工作簿。

这并不意味着开源库不好。项目规模扩大后，单一用途的工具无法覆盖全部需求，成本也转移到了“胶水代码”上，包括格式转换、库与库之间的文件交接，以及各自独立的依赖升级。每多引入一个工具，就多一套依赖、多一类异常，也多一种文件传递方式。对于同时需要解析 PDF 的文本处理流程，同样适用这一思路，可参考 Python 文档处理。

4. Spire.XLS for Python 能做什么

Spire.XLS for Python 是一款商业库，通过统一的工作簿对象模型完成 Excel 文件的读取、编辑、计算、转换和保护，且无需安装 Microsoft Office。下面结合实际场景介绍各项功能，并说明相应的边界。

读写多种 Excel 格式

LoadFromFile 方法可打开 .xls、.xlsx、.xlsm、.xlsb 和 .ods 文件，SaveToFile 方法可保存为 xlsx、xls、xlsb、xlsm、ods、csv、pdf、html 和 png 格式。加载 CSV 时通过分隔符参数指定，例如 LoadFromFile("data.csv", ",")。典型场景是：上游系统导出 .xlsb 文件，而下游需要 .xlsx 或 PDF。

1
2
3
4
5

from spire.xls import *

wb = Workbook()
wb.LoadFromFile("upstream.xlsb")
wb.SaveToFile("converted.xlsx", ExcelVersion.Version2016)

兼容性方面有一点需要注意：测试中，Spire.XLS 生成的 .xlsb 和 .ods 文件可被 Excel 16.0 正常打开，但这批文件无法被 pandas 的读取引擎（pyxlsb 和 calamine）读取。因此处理旧格式时，建议使用下游系统实际采用的读取工具做回归测试。

编辑已有工作簿并创建数据透视表

加载工作簿、修改、保存即可。在本次测试的工作簿中，图表、图片、条件格式、数据验证、合并单元格、冻结窗格、筛选和数据透视表在往返保存后均得以保留，Excel 打开文件时也没有报错。对于复杂的 DrawingML 形状，仍建议使用实际文件验证。

创建数据透视表只需两步调用：

1
2
3

sheet = wb.Worksheets[0]
cache = wb.PivotCaches.Add(sheet.Range["A1:F20"])
pivot = sheet.PivotTables.Add("SalesPivot", sheet.Range["H3"], cache)

数据源区域的第一行必须是表头。以上代码仅创建数据透视表的框架，行字段和值字段还需后续配置，具体可参阅 创建和操作数据透视表。测试中，Excel 能够打开生成的文件，并识别出 1 个数据透视表。

重新计算公式并保存缓存值

这里涉及三个概念：公式、缓存结果和重新计算。如果文件中只有公式而没有缓存结果，不具备计算能力的读取工具看到的将是空值。Spire.XLS 内置计算引擎，保存前调用 CalculateAllValue() 即可算出结果，其他工具读取该文件时也能获取到。

1
2
3

wb.LoadFromFile("model.xlsx")
wb.CalculateAllValue()
wb.SaveToFile("model_calculated.xlsx", ExcelVersion.Version2016)

openpyxl 和 pandas 无法完成这一步；XlsxWriter 可以存储缓存值，但数值需要自行提供。公式语法和单元格级别的示例可参阅 添加或读取 Excel 公式。

将 Excel 转换为 PDF、HTML 和图片

转换为 PDF 前，应先设置页面布局。将页面设为横向并启用适应页面缩放后，测试用的图表可以完整显示在页面内，不会被截断。

1
2
3
4
5

sheet = wb.Worksheets[0]
sheet.PageSetup.Orientation = PageOrientationType.Landscape
sheet.PageSetup.FitToPagesWide = 1
sheet.PageSetup.FitToPagesTall = 1
wb.SaveToFile("report.pdf", FileFormat.PDF)

HTML 输出默认生成框架集（frameset）及一个资源文件夹。将 HTMLOptions.ImageEmbedded 设为 True 后，可输出单个自包含的文件（测试中为 61 KB，内含以 base64 嵌入的 2 张图片）。导出图片可使用 ToImage 方法。页面布局的更多细节可参阅 Python 将 Excel 转换为 PDF。试用版的限制见下文授权部分。

为工作簿设置密码保护

Protect("password") 用于设置打开密码。测试中，保存后的文件成为加密容器，不输入密码就无法打开，而 Spire.XLS 在提供密码的情况下可以重新打开。该功能适用于报表分发和合规场景。工作表锁定等权限级别的保护需另行设置，请参阅官方文档。另外需要注意，在接收两个字符串参数的重载中，SaveToFile 的第二个参数是 CSV 分隔符，而不是密码。

5. 构建多步骤的 Excel 处理流程

以月度报表服务为例，可以较清楚地看出差异。任务流程为：读取上游的 .xlsb 文件，更新其中的输入数据，重新计算公式，生成 PDF，对 Excel 副本加密，最后另存为 .xlsx。

开源方案可以完成这一任务，但需要分散到至少四个工具上：一个读取二进制格式，一个负责编辑，一个渲染 PDF，一个负责加密；如果还要保留工作簿对象，则另需一个格式转换工具。每次交接，都是一个库写出文件，另一个库再读入。使用 Spire.XLS 时，可以在同一个工作簿对象上完成全部步骤：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

from spire.xls import *

wb = Workbook()
wb.LoadFromFile("monthly_input.xlsb")        # 1. 读取旧格式文件

sheet = wb.Worksheets[0]
sheet.Range["B2"].NumberValue = 125000        # 2. 更新输入数据

wb.CalculateAllValue()                        # 3. 重新计算公式

sheet.PageSetup.Orientation = PageOrientationType.Landscape
sheet.PageSetup.FitToPagesWide = 1
sheet.PageSetup.FitToPagesTall = 1
wb.SaveToFile("monthly_report.pdf", FileFormat.PDF)   # 4. 导出 PDF

wb.Protect("s3cret")                          # 5. 设置打开密码
wb.SaveToFile("monthly_report.xlsx", ExcelVersion.Version2016)
wb.Dispose()

开发与维护成本

本文没有测量节省的时间，也不给出具体数字。能够说明的差异在于复杂度，即任务涉及的步骤、依赖和接口数量。

总结起来是一个 Excel 处理库，而不是一个依赖。项目中仍会用到其他包，变化在于 Excel 相关的各个步骤共用同一个对象模型。

动手验证上述流程： 可先使用 Free Spire.XLS for Python 进行 xlsx 读写和小型报表处理，也可使用 Spire.XLS for Python 的试用版评估完整的 API。

6. 性能、部署、技术支持与版本维护

性能基准测试

每项操作均在独立进程中运行，先丢弃 1 次预热结果，再正式运行 5 次，取中位数。数据集为 5 万行 × 6 列，测试环境为 Windows x64 机器（8 个逻辑核心，7.8 GB 内存，Python 3.12）。

XlsxWriter 的写入速度最快，pandas 搭配 calamine 的读取速度最快，openpyxl 的 write-only 模式内存占用最低。对原始吞吐量要求较高的场景，这些专用工具仍是更好的选择；Spire.XLS 则适合同一流程需要完成多项 Excel 任务的情况，其读取、写入和内存数据见上表。选择 Spire.XLS 的理由是功能覆盖面，而不是吞吐量。以上数据来自单台机器和单一工作负载，仅供参考，不应视为排名。

部署与兼容性

四个库均不依赖 Microsoft Office。测试机器上安装 Excel 仅用于打开生成的文件进行校验，所有转换过程均未启动 Excel 进程。四个库均可在 Python 3.14.6 上运行。

Spire.XLS 的安装体积较大，为 70.6 MB，但计入 numpy 后，pandas 方案的体积与之相当。在容器镜像和冷启动场景中，可结合它在多步骤流程中能够替代的包一并权衡。

版本更新与产品维护

Spire.XLS 产品团队确认，产品线按月度节奏发布。就 Python 包而言，PyPI 记录显示 2026 年已有多次常规发布：16.2.0（2 月 5 日）、16.4.0（4 月 8 日）、16.5.0（5 月 7 日）、16.6.0（6 月 18 日）、16.7.1（7 月 17 日）和 16.8.2（8 月 25 日）。根据官方发布说明，16.8.2 版本新增了对 TEXTSPLIT 公式函数的支持，并修复了 OFD 相关问题。Python 包遵循同一发布线，部署前请查看目标版本的发布说明。

技术支持与开发者资源

Spire.XLS for Python 提供 API 文档、代码示例、教程、开发者论坛和邮件支持。商业授权包含 1 年免费更新和技术支持，具体以授权条款为准。响应时间因授权类型而异。根据该产品付费支持页面的说明，Developer OEM、Site 和 Small Business 授权为 48 个工作小时，Site OEM 授权为 24 个工作小时，Gold 和 Platinum 等级提供 24 小时响应及专家支持。购买前请在支持页面确认所持授权的最新条款。

对于生产环境和企业级部署，技术支持本身就是选型标准之一，包括明确的问题升级路径、按授权等级划分的响应目标，以及高等级授权下的优先处理。开源库在这类问题上则依赖社区论坛和 Issue 跟踪。

除 API 覆盖范围外，商业库还意味着一种持续的维护关系。Spire.XLS for Python 保持积极维护，定期发布版本以增加功能并修复已反馈的问题。授权用户按授权条款获得更新和技术支持，更高等级的支持还提供更快的响应目标和优先处理。

7. Free 版、试用版与商业版的区别

Spire.XLS 分为三种版本，限制各不相同，可根据需要验证的内容进行选择。

在试用版和 Free 版的测试中，xlsx 的读写不受行数或工作表数量限制。根据厂商的限制说明，图片导出不受 10 页限制影响。另有一个实际细节：Free 版保存 .xls 文件后，内存中的工作簿会被截断，因此如需同时保存两种格式，应重新加载源文件。

商业授权包含哪些内容

商业授权在 API 之外，增加了更新与支持服务，具体包括：

• 1 年免费更新
• 1 年免费技术支持
• 因授权类型而异的响应时间
• Gold 和 Platinum 等级的 24 小时响应及专家支持
• 购买前通过邮件和论坛提供的技术咨询

8. 结合项目需求选择 Python Excel 库

可根据流程中需要完成的工作数量，选择合适的库。

1. 只读取数据： 使用 pandas 搭配 calamine。
2. 只生成新报表： 使用 XlsxWriter。
3. 只编辑现有模板： 使用 openpyxl。
4. 需要两项以上的高级功能（多种格式、重新计算、转换、加密、数据透视表）：可考虑 Spire.XLS，同时还能获得持续的版本发布和厂商支持渠道。

选型时可遵循一条原则：看工作数量，而不是功能数量。 只有一项工作时，选择专用工具；达到两项时，开始考虑集成式的库；一条流程中有三项或更多工作时，集成式库的优势会明显体现。如果处于临界点，建议用实际文件分别在两种方案上测试。同时请注意，保真度结论仅适用于测试所用的文件，复杂对象务必用自己的工作簿验证。

用自己的文件试一试： 下载 Free Spire.XLS for Python 或试用版，并参阅 Spire.XLS for Python 文档，了解上述流程如何对应到实际项目。

9. 常见问题

哪个 Python 库可以在没有 Microsoft Office 的情况下读写 Excel？

本文介绍的四个库均无需安装 Office。pandas（通过 calamine 或 openpyxl）负责读取，XlsxWriter 负责写入，openpyxl 可读写 .xlsx 和 .xlsm，Spire.XLS 则支持读写多种格式。测试中，Excel 仅用于检查输出文件。

pandas 和 openpyxl 有什么区别，该用哪个？

pandas 适合将表格数据加载进来做分析，openpyxl 适合在保留工作簿结构的前提下修改文件。pandas 保存时会重写文件，因此图表、数据透视表等对象不会保留；在本次测试的场景中，openpyxl 则可以保留这些对象。

openpyxl 编辑工作簿时会丢失图表或数据透视表吗？

在本次测试的工作簿中不会：图表、图片、条件格式、数据验证和数据透视表部件均得以保留，Excel 也能正常打开文件。测试文件之外的形状以及 VBA（需要设置 keep_vba=True）均未覆盖，建议使用自己的文件验证。

没有安装 Excel，如何在 Python 中将 Excel 转换为 PDF？

需要使用能自行渲染工作簿的库。以 Spire.XLS 为例，将页面设为横向并设置 FitToPagesWide 和 FitToPagesTall，再以 FileFormat.PDF 保存即可。试用版限制 PDF 输出 10 页，并添加水印。

这些库可以免费用于商业用途吗？

pandas、openpyxl 和 XlsxWriter 是开源库。Spire.XLS 是商业产品，另有 Free 版（xlsx 无限制；.xls 限 5 个工作表、每表 200 行；PDF 限 3 页）和试用版。是否适用于具体项目，请以各库的许可协议为准。

哪个库支持 .xls、.xlsb 和 .ods？

pandas 搭配 calamine 引擎可读取这三种格式。openpyxl 不支持这些格式，XlsxWriter 只能写出 .xlsx。Spire.XLS 可读写 xls、xlsb 和 ods，不过其输出的 xlsb 和 ods 文件，建议使用下游实际采用的读取工具测试。

10. 测试说明

测试于 2026 年 11 月 2 日进行，使用的版本为 pandas 3.1.0、openpyxl 3.1.5、XlsxWriter 3.3.1 和 Spire.XLS for Python 16.8.2（试用版），另使用 Free Spire.XLS 14.12.4 验证版本限制。硬件为 Windows x64（8 个逻辑核心，7.8 GB 内存），运行环境为 Python 3.12.13，并使用 3.14.6 检查兼容性。

功能测试使用的文件是一个包含 3 个工作表、20 行数据的工作簿，其中有公式、图表、图片、条件格式、数据验证、合并单元格、冻结窗格和筛选，另有单独的数据透视表测试文件。性能测试使用 5 万行 × 6 列数据（1.18 MB），先丢弃 1 次预热结果，再正式运行 5 次取中位数，每项操作均在独立进程中执行。Spire.XLS 的批量写入按列进行，因此基准测试中使用 6 次 InsertArray 调用，而不是二维插入。Microsoft Excel 16.0 仅用于打开生成的文件并统计图表和数据透视表的数量。

未覆盖的内容包括：VBA、切片器、Power Query、百万行文件、并发，以及 Linux 和 macOS 环境。基准测试为单机、单一工作负载，测试期间存在 12%–22% 的后台 CPU 占用。维护与支持方面的信息来自官方公开页面和 PyPI 记录，并非本次测试所得。