根本原因是pd.read_excel()默认将整张表（含隐藏列、空行、样式缓存、共享字符串表）全加载进内存再转DataFrame，即使只取3列也需解析全部200列；openpyxl引擎内存开销最大，calamine引擎可降内存50%+，配合usecols和dtype优化效果最佳。
pd.read_excel() 为什么一读大文件就 MemoryError
根本原因不是文件太大，而是 read_excel 默认把整张表（含隐藏列、空行、样式缓存、共享字符串表）全塞进内存，再转成 DataFrame 对象。哪怕你只想要其中 3 列，它也得先把 200 列全解析完。
典型表现：MemoryError 报错堆栈里一定有 openpyxl 或 xlrd 的调用链；任务管理器能看到 Python 进程内存飙升到几 GB 后崩掉。
- openpyxl 引擎对格式支持最全，但内存开销最大，尤其含合并单元格或条件格式时
- xlrd（仅 ≤1.2.0）已停止维护，不支持 .xlsx 新格式，但读纯数据时比 openpyxl 省约 30% 内存
- 使用
engine='odf'或engine='calamine'（需 pip install calamine-python）可跳过 XML 解析层，直接提取原始值，内存占用下降 50%+，但会丢弃所有样式和公式
只读指定列：usecols 参数的三种写法与陷阱
usecols 是最直接的降维手段，但它不是“选哪几列就读哪几列”，而是“先按规则筛列名/列号，再读”。错误用法反而会加重负担。
- 传字符串如
usecols="A,C,E:G"：依赖 Excel 列标定位，如果源文件列顺序变动或含空列，极易漏读或错位 - 传整数列表如
usecols=[0, 2, 4, 5, 6]：稳定可靠，但必须数准索引（从 0 开始），且不能跳过首行——它在跳过 header 前就已定位列 - 传列名列表如
usecols=["订单号", "客户名称", "金额"]：最安全，但要求 header 行必须存在且列名完全匹配（区分大小写、空格、不可见字符）；若列名含换行或特殊符号，需先用header=0读一行预览
注意：usecols 不影响底层引擎加载行为——openpyxl 仍会解压整个 .xlsx 包，只是 pandas 后续丢弃未选列的数据对象。真正省内存要配合引擎切换。
立即学习“Python免费学习笔记（深入）”；
dtype 指定不是锦上添花，是内存减负刚需
默认情况下，pandas 为每列推断类型：文本列变 object（实际是 Python str 对象指针数组），数字列可能被识别为 float64 即使全是整数。这两种类型内存开销远高于显式声明的 string[pyarrow] 或 int32。
- 文本列统一用
dtype={"客户名": "string[pyarrow]"}：比默认object节省 40%+ 内存，且支持向量化操作 - 整数列强制
int32或int16：避免 pandas 自动升为float64（因空值存在），再用nullable=True支持 pd.NA - 时间列用
datetime64[ns]：比object存 str 快 5 倍，内存少 60% - 禁止使用
dtype=object全局设置——它等于放弃所有类型优化，还拖慢后续计算
实操建议：先用 pd.read_excel(file, nrows=1000) 快速采样，跑 df.dtypes 和 df.memory_usage(deep=True)，再反推合理 dtype。
calamine 引擎 + usecols + dtype 组合拳实测效果
这是目前（2026 年）处理 50MB+ Excel 报表最轻量稳定的组合。calamine 不走 openpyxl 的 DOM 树解析，而是用 Rust 直接流式提取单元格原始值，天然规避样式/公式开销。
import pandas as pd
df = pd.read_excel(
"report_2026Q1.xlsx",
engine="calamine",
usecols=["订单ID", "下单日期", "实付金额", "省份"],
dtype={
"订单ID": "string[pyarrow]",
"下单日期": "datetime64[ns]",
"实付金额": "float32",
"省份": "category" # 枚举型字段用 category 可压缩 70%+ 内存
},
parse_dates=["下单日期"]
)关键点：calamine 不支持 sheet_name 传函数或列表，只接受字符串或整数；若需多 sheet，得循环调用；它也不支持读取密码保护文件——这些限制恰恰是它轻量的代价。
真正容易被忽略的是：即使用了这套组合，如果报表本身含大量空行、冗余工作表或嵌入对象（图片、图表），仍会触发底层解压膨胀。务必先用 Excel 手动删掉无用 sheet、清除空行、另存为“值-only”版本，再交给 Python 处理。
