openpyxl中直接读取某行某列值最简方式是ws['A1'].value或ws.cell(row=1, column=1).value，注意行列号从1开始；pandas中用df.iloc[r,c]或df.loc[label,col]精准切片，推荐加载时用usecols和skiprows限范围。
openpyxl 里怎么用坐标直接取单元格值
想跳过表头、跳过循环遍历，直接读某行某列的值，openpyxl 最简单的方式就是用类似 ws['A1'] 或 ws.cell(row=1, column=2) 这两种写法。前者是 Excel 风格坐标（字符串），后者是行列编号（整数），本质一样，但后者更方便动态计算。
注意：行号和列号都从 1 开始，不是 Python 的 0 起始 —— 这是新手最常踩的坑。比如想读第 3 行第 5 列，得写 ws.cell(row=3, column=5)，而不是 row=2, column=4。
实操建议：
- 如果行列位置固定，用
ws['B7'].value最直观 - 如果行列由变量算出（比如循环中），务必用
ws.cell(row=r, column=c)，避免拼接字符串出错 -
.value是必须加的，否则返回的是Cell对象，不是数据本身 - 空单元格返回
None，别直接拿去做数学运算，先判断
pandas 读 Excel 后怎么精准切片到某几行某几列
pandas.read_excel() 默认把整个 sheet 当成 DataFrame 加载进来，之后用 .iloc 或 .loc 切片是最稳的定位方式。关键区别在于：.iloc 按位置（整数索引），.loc 按标签（行名/列名）—— 大多数 Excel 没设行名，所以 .iloc 更常用。
立即学习“Python免费学习笔记（深入）”；
常见错误现象：用 df[2:5][['ColA', 'ColB']] 看似能取行和列，但实际是链式操作，可能触发 SettingWithCopyWarning，且列名不存在时直接报 KeyError。
实操建议：
- 取第 4–6 行、第 1 和 3 列（0 起始）：用
df.iloc[3:6, [0, 2]] - 如果知道列名（比如 '销售额'、'日期'），且只要这两列的第 5 行：用
df.loc[4, ['销售额', '日期']] - 加载时就限制范围，能省内存：传
usecols='A:C'和skiprows=2参数，比全量读再切更快 -
read_excel(..., nrows=100)可限制只读前 N 行，适合调试大文件
openpyxl 和 pandas 选哪个？看场景
不是“哪个更好”，而是“哪边不翻车”。如果你只是读几个固定单元格（比如配置项、标题行、右下角签名），openpyxl 启动快、内存低、支持公式/样式/合并单元格等原生信息；但如果你要筛选、分组、算平均值或导出为 CSV，pandas 是唯一现实选择。
性能与兼容性影响：
-
openpyxl不能读 .xls（老版本），只支持 .xlsx/.xlsm/.xltx；pandas底层靠openpyxl或xlrd（旧版），但xlrd从 2.0 起已不支持 .xlsx，容易报Unsupported format - 10MB 以上 Excel，
pandas.read_excel()默认可能卡顿，加engine='openpyxl'显式指定更稳 - 含大量合并单元格时，
pandas会自动填充 NaN，而openpyxl保留原始结构，需手动处理merged_cells.ranges
读取失败时先盯住这三处
报错不是随机的，90% 出在路径、工作表名、单元格越界这三块。
常见错误信息和对应动作：
-
FileNotFoundError：检查路径里有没有中文空格，用os.path.exists()确认文件真实存在；Windows 下路径反斜杠要转义或用原始字符串r'C:\data\book.xlsx' -
KeyError: 'Sheet2'：打开 Excel 看实际工作表名，右键标签名可能有空格或隐藏字符；用wb.sheetnames打印所有可用名 -
ValueError: Cell coordinates must be strings：混用了ws['A1']和ws.cell(1,1)的返回值，前者是Cell，后者也是Cell，但传参类型错了——比如误把整数当字符串传给ws[] - 读出来是
None或空字符串：该单元格真为空，或内容是公式但还没计算（openpyxl默认不执行公式），可设data_only=True加载
真正麻烦的不是语法，是 Excel 本身：合并单元格、隐藏行、自定义数字格式、不同区域用不同表头……这些都会让“定位”变成猜谜。动手前先用 Excel 手动点开目标单元格，确认它的行列号和所在 sheet，比查文档快得多。
