在使用 pandas 的 read_excel 函数读取大型工作簿的多张工作表时，你会发现这个过程会花很长时间。这是因为 pandas 会逐张读取工作表。要想让这个过程更快，可以并行读取这些工作表。让工作簿写入过程并行化很难，但并行读取多张工作表是很容易的。
在 Python 中，如果想充分利用现代计算机都具备的多核处理器，就需要使用标准库中的多线程包。多线程包会生成多个并行执行任务的 Python 解释器（通常一个 CPU 核心一个解释器）。此时不再是逐张处理工作表，而是一个 Python 解释器处理第一张工作表，与此同时另一个 Python 解释器处理第二张工作表，以此类推。
对于包含多个大型工作簿的大型文件的情况，多线程可以显著加快读取过程，不过这是在假定你的系统有足够的内存处理工作负载的情况下。
一 使用 parallel_pandas.py 并行读取工作表
parallel_pandas.py，这是使用 OpenPyXL 并行读取工作表的一种简单实现方式。（里面有两个函数：_read_sheet 和 read_excel）
链接: https://pan.baidu.com/s/1nIBGqVkXFj-fZCBPVWN8eg?pwd=68q2 提取码: 68q2
# 1.py
import parallel_pandas
def main():
a = parallel_pandas.read_excel("xl/stores.xlsx", sheet_name=None)
print(a)
if __name__ == '__main__':
main()parallel_pandas.read_excel(filename, sheet_name=None)：调用了parallel_pandas模块中的read_excel函数。filename是你要读取的Excel文件的路径。sheet_name=None表示你想读取Excel文件中的所有工作表。如果你只想读取特定的工作表，可以提供一个工作表名称的列表作为sheet_name参数的值。
read_excel函数返回一个字典，其中键是工作表的名称，值是与该工作表对应的pandas.DataFrame对象。例如，如果你的Excel文件包含名为"Sheet1"和"Sheet2"的两个工作表，函数将返回一个类似于{"Sheet1": df1, "Sheet2": df2}的字典，其中df1和df2分别是这两个工作表对应的DataFrame。
二 两种魔法指令
魔法指令是特定于 Jupyter Notebook 等环境的一种特殊命令，用于提供便捷的功能。它们通常以 % 或 %% 开头。单个 % 前缀的魔法指令应用于单行代码，而双 %% 前缀的魔法指令应用于整个代码单元格。
1.%%time
用途：测量整个代码单元格的执行时间。
真实时间（wall time）：从代码开始执行到结束所经过的总时间。这包括了代码运行期间的所有等待时间，比如等待CPU或其他资源。
CPU时间（在macOS或Linux系统上可用）：这包括用户模式（user）和系统模式（sys）下的CPU时间，以及总CPU时间。用户模式时间是指CPU在用户程序上花费的时间，而系统模式时间是指CPU在操作系统内核中花费的时间。CPU时间可能比真实时间短（如果CPU资源不足，程序需要等待）或长（如果程序利用多核处理器并行执行）。
2.%%timeit
用途：更准确地测量代码的执行时间。
适用场景：当你需要更精确地了解代码性能时。
3. %%time 和 %%timeit 的区别
%%time适用于快速查看代码执行的大致时间，而%%timeit则提供更精确的性能测量，通过多次执行并取平均值来减少误差。
三 体验并行读取 big.xlsx
如果你正在处理Excel文件（无论是较新的.xlsx格式还是旧式的.xls格式），并且你希望加快处理速度，有一种方法是将文件读取和处理过程并行化。
parallel_openpyxl.py：这个脚本实现了使用 OpenPyXL 库并行化读取和处理 .xlsx 格式文件的功能。通过并行化OpenPyXL的使用，你可以绕过Pandas库（Pandas通常用于数据处理，但会先将数据加载到DataFrame中，这可能会成为性能瓶颈），直接从Excel文件中读取和处理数据，从而可能提高速度。
parallel_xlrd.py：这个脚本是针对旧式的.xls格式文件，使用xlrd库实现并行化读取。通过并行化xlrd的使用，你可以直接处理.xls文件中的数据，而不需要先通过Pandas将其转换为DataFrame。
通过并行化读取和处理Excel文件的过程，并直接使用底层的库而不是Pandas，可以提升处理Excel数据的代码的运行速度。
通过直接使用这些底层的库（OpenPyXL和xlrd），你可以避免Pandas在处理大量数据时可能带来的性能开销，因为Pandas在读取Excel文件时，会先将整个文件加载到内存中，形成一个DataFrame对象，这个过程可能会比较耗时。而直接使用OpenPyXL或xlrd，你可以更灵活地处理数据，比如按需读取数据行或列，以及应用必要的清理过程（如去除空白行、转换数据类型等），这些操作都可以并行执行，从而可能显著提高整体处理速度。
四 只需读取单张大型工作表
使用 Modin 并行读取工作表，并行处理单张工作表的读取过程，并实现显著的速度提升。
Modin 需要指定版本的 pandas，安装 Modin 时可能会导致 Anaconda 附带的 pandas 被降级。
