本文比较了Python中六种快速读取Excel的方法，从数据处理库到使用外部工具。以下是各种方法的总结：
1. Pandas：作为Python数据处理的首选，Pandas通过单行代码快速读取Excel文件，如：`import pandas as pd; rows = pd.read_excel('file.xlsx').to_dict('records')`。
2. Tablib：另一个流行库，代码简洁，一行即可完成：`import tablib; rows = tablib.Dataset().load(open('file.xlsx', 'rb')).dict`。
3. Openpyxl：专为Excel设计，其API稍显复杂：`import openpyxl; rows = [{'boolean': row[0].value, ...} for row in openpyxl.load_workbook(open('file.xlsx', 'rb')).active.rows]`。
4. LibreOffice：跳出常规，使用LibreOffice转换为CSV后读取：通过临时文件和`subprocess`处理，时间最短为15.27秒。
5. DuckDB：利用内置SQL功能，转换效率高：`import duckdb; rows = list(duckdb.sql('...'))`，执行时间仅为5.73秒。
6. Calamine：纯Rust库的Python绑定，具有高性能：`import python_calamine; rows = [{'key': row['key'], ...} for row in python_calamine.CalamineWorkbook.from_filelike(open('file.xlsx', 'rb')).sheets[0].rows]`，时间最少为3.58秒。
根据实际需求，选择最合适的库要考虑速度、内存使用、数据量、性能稳定性等因素。以上方法的性能对比显示，DuckDB和Calamine在读取速度上表现出色，而Pandas和Tablib则更适用于大规模数据分析。记得根据项目特性权衡各种因素。