注1.xlwt和pandas每个工作页最多写入256列，因此测试用例修改为每页有2000行256列的整数.
注2.xlutils读写依赖于xlrd和xlwt，不单独测试。
注3.openpyxl测试两种模式，一是普通加载写入，二是read_only/write_only模式下的加载写入。
注4.DataNitro要收费，且需依托Excel使用，本次不测试。

单从读写的性能上考虑，win32com的性能是最好的，xlwings其次。
openpyxl虽然操作Excel的功能强大，但读写性能过于糟糕，尤其是写大表时，会占用大量内存（把我的4G内存用完了），开启read_only和write_only模式后对其性能有大幅提升，尤其是对读的性能提升很大，使其几乎不耗时（0.01秒有点夸张，不过确实是加载上了）。pandas把Excel当作数据读写的容器，为其强大的数据分析服务，因此读写性能表现中规中矩，但其对Excel文件兼容性是最好的，支持读写.xls，.xlsx文件，且支持只读表中单一工作页。同样支持此功能的库还有xlrd，但xlrd只支持读，并不支持写，且性能不突出，需要配合xlutils进行Excel操作，并使用xlwt保存数据，而xlwt只能写入.xls文件（另一个可以写入.xls文件的库是pandas，且这两个写入的Excel文件最多只能有256列，其余库就我目前的了解均只能写入.xlsx文件），性能一般。xlsxwriter功能单一，一般用来创建.xlsx文件，写入性能中庸。win32com拥有最棒的读写性能，但该库存在于pywin32的库中，自身没有完善的文档，使用略吃力。xlwings拥有和win32com不相伯仲的读写性能，强大的转换器可以处理大部分数据类型，包括二维的numpy array和pandas DataFrame，可以轻松搞定数据分析的工作。
综合考虑，xlwings的表现最佳，正如其名，xlwings——Make Excel Fly！

本测试目前只是针对Excel文件的读写，并未涉及Excel操作，单从读写的便捷性来讲，各库的表现难分上下，但是win32com和xlwings这两个库可以在程序运行时实时在打开的Excel文件中进行操作，实现过程的可视化，其次xlwings的数据结构转换器使其可以快速的为Excel文件添加二维数据结构而不需要在Excel文件中重定位数据的行和列，因此从读写的便捷性来比较，仍是xlwings胜出。

import timeit  if __name__ == '__main__':  # 使用timeit计时  t = timeit.Timer('??()', setup='from __main__ import ??')  print(t.timeit(number=1))

import xlrd  def test_xlrd_on_demand_false():  # f = xlrd.open_workbook('test_casesread_xls.xls', on_demand=False)  f = xlrd.open_workbook('test_casesread_xlsx.xlsx', on_demand=False)  def test_xlrd_on_demand_true():  # f = xlrd.open_workbook('test_casesread_xls.xls', on_demand=True)  f = xlrd.open_workbook('test_casesread_xlsx.xlsx', on_demand=True)  f.sheet_by_index(0)

import xlwt  book = xlwt.Workbook()
def test_xlwt():  for s in range(5):  sheet = book.add_sheet(str(s))  for i in range(2000):  for j in range(256):  sheet.write(i, j, 65536)  book.save('test_caseswrite_xls.xls')

import xlwings  def test_xlwings_read():  # f = xlwings.Book('test_casesread_xls.xls') f = xlwings.Book('test_casesread_xlsx.xlsx')  import numpy as np  f = xlwings.Book('')
d = np.zeros([2000, 1200])
d += 65536  def test_xlwings_write():  for s in range(1):  sheet = f.sheets.add()  sheet.range('A1').value = d  f.save('test_caseswrite_xlsx.xlsx')

import openpyxl  def test_openpyxl_read():  f = openpyxl.load_workbook('test_casesread_xlsx.xlsx', read_only=True)  c = [65536] * 1200
f = openpyxl.Workbook(write_only=True)  def test_openpyxl_write():  for i in range(1):  sheet = f.create_sheet(title=str(i))  for row in range(2000):  sheet.append(c)  f.save('test_caseswrite_xlsx.xlsx')

import xlsxwriter  workbook = xlsxwriter.Workbook('test_caseswrite_xlsx.xlsx')
def test_xlsxwriter():  for s in range(1):  worksheet = workbook.add_worksheet()  for i in range(2000):  for j in range(1200):  worksheet.write(i, j, 65536)  workbook.close()

import win32com.client as win32  excel = win32.gencache.EnsureDispatch('Excel.Application')
def test_win32com_read():  # wb = excel.Workbooks.Open('E:exceltest_casesread_xls.xls')  wb = excel.Workbooks.Open('E:exceltest_casesread_xlsx.xlsx')# excel.Visible = True  wb = excel.Workbooks.Add()
def test_win32com_write():  for i in range(1):  ws = wb.Worksheets.Add()  ws.Range("A1:ATD2000").Value = 65536  wb.SaveAs('E:exceltest_caseswrite_xlsx.xlsx')  excel.Application.Quit()

import pandas as pd  def test_pandas_read():  for i in range(1, 6):  sheet_name = "Sheet" + str(i)  # df = pd.read_excel('test_casesread_xls.xls', sheet_name)df = pd.read_excel('test_casesread_xlsx.xlsx', sheet_name)  import numpy as np
d = np.zeros([2000, 255])
d += 65536
df = pd.DataFrame(d)
# writer = pd.ExcelWriter('test_caseswrite_xls.xls')
writer = pd.ExcelWriter('test_caseswrite_xlsx.xlsx')
def test_pandas_write():  df.to_excel(writer, 'Sheet1')  df.to_excel(writer, 'Sheet2')  df.to_excel(writer, 'Sheet3')  df.to_excel(writer, 'Sheet4')  df.to_excel(writer, 'Sheet5')  writer.save()