如何在不直接传递字节数据的情况下读取 Excel 文件

本文介绍解决 pandas `read_excel` 接收字节对象时触发弃用警告的正确方法，核心是使用 `bytesio` 将字节流封装为文件类对象，确保代码兼容最新版本并符合官方推荐实践。

当从云存储（如 Azure Blob Storage、AWS S3）或内存中读取 Excel 文件时，常通过 .readall() 或 .read() 获取 bytes 类型数据。然而，自 Pandas 2.1+ 起，直接将 bytes 传入 pd.read_excel() 已被明确标记为 deprecated，会触发如下警告：

FutureWarning: Passing bytes to 'read_excel' is deprecated and will be removed in a future version.
To read from a byte string, wrap it in a `BytesIO` object.

✅ 正确做法是：将原始字节数据包装为 io.BytesIO 对象，使其具备文件类接口（支持 seek()、read() 等），从而被 read_excel 安全识别为合法输入源。

以下是标准、健壮的实现方式：

from io import BytesIO
import pandas as pd

# 假设 blob_data 是类似 Azure BlobClient 的响应对象
excel_bytes = blob_data.readall()  # type: bytes
df = pd.read_excel(BytesIO(excel_bytes), engine='openpyxl')

? 关键说明：

• BytesIO(excel_bytes) 创建了一个可随机访问的内存文件对象，read_excel 内部可正常调用其 seek(0) 重置读取位置（这对多 sheet 或重复解析至关重要）；
• engine='openpyxl' 保持不变，适用于 .xlsx 文件；若处理 .xls，可改用 'xlrd'（注意：xlrd ≥ 2.0 仅支持 .xls，不再支持 .xlsx）；
• 此方案无需额外依赖新库，完全基于 Python 标准库 + pandas，兼容性强、无性能损耗。

⚠️ 注意事项：

• 避免重复调用 blob_data.readall()（如多次封装 BytesIO），因部分 blob SDK 的 readall() 不可重入；
• 若数据量极大（>100MB），建议改用流式下载 + tempfile.NamedTemporaryFile 临时落盘（需权衡 I/O 开销与内存压力）；
• 使用 BytesIO 后，无需手动关闭——它属于内存对象，作用域结束即自动释放。

? 总结：这不是 Pandas 的 bug，而是 API 设计演进。BytesIO 封装是官方唯一推荐的替代方案，简洁、安全、向后兼容。坚持此模式，即可彻底消除弃用警告，并为未来版本升级做好准备。