Как загрузить данные из Excel в Jupyter Notebook: от простого к сложному

Jupyter Notebook стал незаменимым инструментом для анализа данных, но работа с файлами Excel здесь имеет свои нюансы. В отличие от классических табличных редакторов вроде Microsoft Excel или Google Sheets, здесь требуется использовать специальные библиотеки — иначе ваш .xlsx просто не откроется. Эта статья не про "копирование данных вручную", а про автоматизированный импорт с сохранением структуры, формул и даже форматирования (где это возможно).

Мы разберём 5 рабочих методов — от базового чтения через pandas до обработки защищённых файлов и работы с несколькими листами. Особое внимание уделим распространённой ошибке "FileNotFoundError: [Errno 2] No such file or directory", которая возникает у 80% новичков при первой попытке загрузки. Также вы узнаете, как ускорить чтение больших файлов (100+ МБ) и почему иногда Jupyter "видит" файл, но не может его прочитать.

Пригодится как аналитикам, так и программистам, которые столкнулись с необходимостью интегрировать Excel-данные в Python-скрипты. Все примеры кода протестированы на актуальных версиях библиотек (pandas 2.1+, openpyxl 3.1+) и работают в JupyterLab/Google Colab.

1. Подготовка: какие библиотеки нужны для работы с Excel в Jupyter

Прежде чем загружать файл, убедитесь, что в вашей среде установлены необходимые пакеты. Без них Jupyter просто не поймёт, как обрабатывать формат .xlsx.

Минимальный набор:

• 📦 pandas — основная библиотека для работы с таблицами (аналог DataFrame в R).
• 📄 openpyxl или xlrd — движки для чтения/записи Excel-файлов. xlrd поддерживает только .xls (старый формат), а openpyxl — современный .xlsx.
• ⚡ odfpy — если работаете с .ods (формат OpenOffice).

Установить их можно прямо из Jupyter Notebook, выполнив в ячейке:

!pip install pandas openpyxl xlrd odfpy

⚠️ Внимание: Если вы используете Google Colab, библиотеки придётся устанавливать при каждом новом сеансе — виртуальная машина сбрасывается после закрытия вкладки.

Проверьте версии библиотек командой:

!pip show pandas openpyxl

Для стабильной работы рекомендуется pandas версии 2.0+ и openpyxl 3.0+. Если версии устарели, обновите их:

!pip install --upgrade pandas openpyxl

2. Базовый метод: чтение Excel через pandas.read_excel()

Самый простой способ загрузить данные — использовать функцию pandas.read_excel(). Она автоматически определяет формат файла и преобразует его в DataFrame.

Пример кода для файла data.xlsx, лежащего в той же папке, что и ноутбук:

import pandas as pd

Чтение файла
df = pd.read_excel('data.xlsx')

Просмотр первых 5 строк
df.head()

Если файл находится в другой директории, укажите полный путь:

df = pd.read_excel('C:/Users/YourName/Documents/data.xlsx')

Установить pandas и openpyxl|Поместить файл в ту же папку, что и ноутбук|Проверить расширение файла (.xlsx или .xls)|Указать правильный путь к файлу-->

3. Работа с несколькими листами Excel

По умолчанию read_excel() читает первый лист. Чтобы работать с другими листами, используйте параметр sheet_name.

Варианты указания листа:

• 📋 По имени: sheet_name='Лист2' (регистр важен!)
• 🔢 По индексу: sheet_name=1 (нумерация с 0)
• 📊 Все листы: sheet_name=None (возвращает словарь DataFrame)

Пример чтения второго листа по имени:

df_sheet2 = pd.read_excel('data.xlsx', sheet_name='Отчёт 2023')

Если нужно прочитать все листы и сохранить их в отдельные переменные:

all_sheets = pd.read_excel('data.xlsx', sheet_name=None)
sheet1_df = all_sheets['Лист1']
sheet2_df = all_sheets['Лист2']

⚠️ Внимание: При чтении всех листов одновременно pandas потребляет в N раз больше памяти (где N — количество листов). Для файлов >50 МБ лучше читать листы по одному.

from openpyxl import load_workbook

wb = load_workbook('data.xlsx', read_only=True)
print(wb.sheetnames)  # Выведет список имен листов

4. Чтение конкретных строк и столбцов (оптимизация памяти)

Если файл большой (>100 МБ), загружать его целиком неэффективно. Вместо этого укажите, какие данные нужны:

• 📌 usecols — выбор столбцов (по индексу или имени)
• 📌 nrows — ограничение по строкам
• 📌 skiprows — пропуск строк (например, заголовков)

Пример: прочитать только столбцы "Наименование" и "Цена", пропустив первые 3 строки (шапку отчёта):

df = pd.read_excel(
'big_file.xlsx',
usecols=['Наименование', 'Цена'],
skiprows=3
)

Для чтения диапазона строк (например, с 10-й по 100-ю):

df = pd.read_excel(
'big_file.xlsx',
skiprows=9,  # пропустить первые 9 строк
nrows=91     # прочитать следующие 91 строку (100-9=91)
)

1. Сохраните данные в .csv (занимает меньше места).

2. Используйте dask.dataframe для ленивой загрузки.

3. Разбейте файл на части в самом Excel перед импортом.-->

5. Решение ошибок при загрузке Excel

Даже с правильным кодом вы можете столкнуться с ошибками. Разберём самые частые:

Если файл защищён паролем, используйте параметр password:

df = pd.read_excel('protected.xlsx', sheet_name='Data', password='12345')

1. Неверными путями к файлу (используйте !ls для проверки).

2. Отсутствием библиотек (openpyxl/xlrd).

3. Опечатками в именах листов (регистр имеет значение!).-->

6. Альтернативные методы загрузки Excel

Если pandas не подходит (например, нужно сохранить форматирование), рассмотрите:

• 🐍 openpyxl — низкоуровневая работа с ячейками, формулами и стилями:

from openpyxl import load_workbook

wb = load_workbook('formulas.xlsx', data_only=False)  # data_only=False сохраняет формулы
sheet = wb['Лист1']
print(sheet['A1'].value)  # Значение ячейки A1

• 📊 xlwings — для взаимодействия с Excel как с приложением (нужен установленный Microsoft Excel):

import xlwings as xw

wb = xw.Book('report.xlsx')
sheet = wb.sheets['Data']
data = sheet.range('A1:D10').value

• 🌐 Google Sheets API — если файл хранится в Google Drive:

!pip install gspread
from google.colab import auth
from gspread import authorize

auth.authenticate_user()
gc = authorize()
sh = gc.open('My Google Sheet').sheet1
data = sh.get_all_values()

7. Оптимизация производительности для больших файлов

Файлы Excel >100 МБ могут тормозить Jupyter. Вот как ускорить работу:

• ⚡ Читайте только нужные столбцы (usecols).
• ⚡ Используйте dtype для явного указания типов данных (например, dtype={'Column1': 'int32'}).
• ⚡ Отключите предварительную обработку: engine='openpyxl' (по умолчанию pandas пробует разные движки).
• ⚡ Для .xls (старый формат) используйте engine='xlrd' — он быстрее openpyxl.

Пример оптимизированного чтения:

df = pd.read_excel(
'huge_file.xlsx',
usecols=['ID', 'Date', 'Value'],
dtype={'ID': 'int32', 'Value': 'float32'},
engine='openpyxl',
nrows=10000  # ограничить количество строк
)

Если файл очень большой (>1 ГБ), рассмотрите:

• 🔄 Конвертацию в .csv или .parquet.
• 📦 Чтение по частям (chunksize в pandas).
• 💾 Использование Dask или Modin для распределённой обработки.

FAQ: Частые вопросы по загрузке Excel в Jupyter

from google.colab import drive
drive.mount('/content/drive')

df = pd.read_excel('/content/drive/MyDrive/data.xlsx')

import os
os.chdir('/путь/к/папке/с/файлом')

with pd.ExcelWriter('output.xlsx', engine='openpyxl') as writer:
df1.to_excel(writer, sheet_name='Лист1', index=False)
df2.to_excel(writer, sheet_name='Лист2', index=False)

from openpyxl import load_workbook

wb = load_workbook('formulas.xlsx', data_only=False)
sheet = wb['Лист1']
print(sheet['A1'].value)  # Вернёт формулу, например "=SUM(B1:B10)"

df = pd.read_excel('русский_файл.xlsx', encoding='utf-8')