本文介绍解决 pandas `read_excel` 函数因直接传入字节数据（bytes）而触发弃用警告的问题，推荐使用 `bytesio` 封装字节流作为标准、安全且兼容性良好的替代方案。

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() 获取原始字节（bytes），但新版 pandas 已明确弃用将 bytes 直接传入 pd.read_excel() 的用法——这会触发 FutureWarning，并在未来版本中彻底移除支持。

✅ 正确做法是：将字节数据包装为类文件对象（file-like object），最常用且轻量的方式是使用 Python 标准库中的 BytesIO：

from io import BytesIO
import pandas as pd

# 假设 blob_data 是一个支持 readall() 的二进制数据源（如 Azure BlobClient）
excel_bytes = blob_data.readall()  # type: bytes
df = pd.read_excel(BytesIO(excel_bytes), engine='openpyxl')

? 关键说明：

• BytesIO 是内存中的二进制流对象，pandas.read_excel 可以像处理本地文件路径或打开的文件句柄一样处理它；
• 必须指定 engine='openpyxl'（尤其对 .xlsx 文件），因为默认引擎 xlrd 已不再支持 .xlsx（自 v2.0 起仅支持 .xls）；
• 若需读取 .xls 文件，可改用 engine='xlrd'（需安装 xlrd

⚠️ 注意事项：

• 避免重复调用 blob_data.readall() 多次（如误写为 BytesIO(blob_data.readall()) 和 pd.read_excel(...) 分开执行），因某些 blob 客户端流只支持单次读取；
• 如遇 ValueError: No engine found，请确认已安装对应引擎：pip install openpyxl（推荐）或 pip install pyxlsb（用于 xlsb）；
• 对于超大 Excel 文件，建议结合 chunksize 参数分块读取，避免内存峰值：

  for chunk in pd.read_excel(BytesIO(excel_bytes), engine='openpyxl', chunksize=1000):
      process(chunk)

该方案无需更换库，兼容所有主流 pandas 版本（≥1.4.0），是当前最简洁、稳定、符合官方推荐的实践方式。