Flask路由中避免每次请求重读Excel，应全局加载并优化参数；to_html需配置样式类和格式化；文件上传需处理编码和流问题；聚合后分页排序应在后端完成。
Flask 路由里直接读 Excel 会卡死？
别在 app.route 函数里用 pandas.read_excel() 每次都重新加载大文件——用户刷新一次，Flask 就重读一遍，内存暴涨、响应超时。Excel 文件（尤其带公式或样式）解析慢，openpyxl 引擎默认开启格式解析，纯数据场景下完全没必要。
- 把
pd.read_excel()移到模块顶层或app.before_first_request中，只加载一次 - 显式指定
engine='openpyxl'并加read_only=True和data_only=True，跳过样式和公式 - 如果文件会更新，用文件修改时间戳 +
os.path.getmtime()做简单缓存校验，避免硬 reload
返回 HTML 表格时 Pandas 的 to_html() 怎么不崩样式？
df.to_html() 默认输出无 class、无 border 的裸表，嵌进 Bootstrap 或 Tailwind 页面后错位、文字挤成一团。它生成的 <table> 标签没 class，也没响应式包裹，更不会自动加 thead/tbody 结构。
- 用
classes='table table-striped table-hover'传入 Bootstrap 类名（前提是前端已引入 CSS） - 加
escape=False允许单元格里渲染简单 HTML（比如状态 badge：<span class="badge bg-success">OK</span>） - 用
formatters参数对特定列做函数映射，比如金额列：{'amount': lambda x: f'¥{x:,.2f}'} - 禁用索引列：
index=False，否则第一列多出一列无意义数字
用户上传 CSV/Excel 后，Pandas 解析报 UnicodeDecodeError 或 BadZipFile？
用户本地保存的 CSV 可能是 GBK 编码（尤其 Windows 记事本），Excel 文件可能被 WPS 保存为非标准 .xlsx（实际是加密或压缩损坏）。Flask request.files 拿到的是流对象，不能直接传给 pd.read_csv() —— 它需要文件路径或可 seek 的 buffer。
- CSV 先用
chardet.detect(file.stream.read(1000))探测编码，再file.stream.seek(0)回溯，用探测出的编码读取 - Excel 文件先
file.save('/tmp/upload.xlsx')落盘，再用pd.read_excel('/tmp/upload.xlsx')；别用file.stream直接读，openpyxl不支持非 seekable 流 - 加 try/except 捕获
pd.errors.EmptyDataError、xlrd.biffh.XLRDError等，返回清晰错误提示，而不是 500
用 groupby().agg() 做聚合后，前端排序、分页怎么搞？
Flask + Pandas 做完聚合（比如按部门统计销售额），结果 DataFrame 通常几十行，前端直接渲染没问题；但若原始数据上万行，聚合前就该在 Pandas 层过滤（df.query() 或 df.loc[]），而不是把全量数据传给前端 JS 做 sort/paginate —— 用户网络差、手机卡顿、甚至触发浏览器内存警告。
立即学习“Python免费学习笔记（深入）”；
- 聚合结果用
df.reset_index().to_dict('records')转原生 list of dict，比传整个 DataFrame 给模板更轻量 - 分页逻辑写在后端：用
df.iloc[page*limit:(page+1)*limit]切片，别依赖前端传 offset - 排序必须用
df.sort_values(by='sales', ascending=False)在 Pandas 层完成，JS sort 对 NaN、字符串数字混合排序不可靠
真实场景里，Pandas 不是万能管道工——它适合中等规模（
