はじめに
今回は，先日初めて見たファイル形式の Excel Binary Workbook (xlsb) に関して，python で csv にパースする話です．
.xlsx はよくある Excel ファイルの形式ですが，それのバイナリー形式である .xlsb に関しての話です．（今まで見たことなかった拡張子です笑）
Excel の闇や Excel との格闘は色々ありますが，今回はそこをグッと堪えて進めたいと思います笑
.xlsb とは
Weblio 辞書によると以下のように記載されています．
.xlsbとは，Excel 2007で作成したブックを「XML形式でないバイナリブック」として保存する際に用いられる拡張子である．.xlsbでブックを保存した場合はファイル全体がバイナリ形式で保存され，XMLベースである.xlsxなどのファイル形式で保存した場合と比べて，ファイルサイズを数分の1程度に抑えることができる．
受け取ったファイルは .xlsb 形式でも100MBぐらいあったため，.xlsx 形式だとかなり容量が大きく，ファイルを開くと処理が重たくなることが想像できるので，圧縮したのだと考えられます．
Excelを扱えるpythonライブラリ
openpyxl
定番の openpyxl です．
上記ページにも記載されてますが，Excel ファイルの拡張子である .xlsx を扱うことができます．
openpyxl is a Python library to read/write Excel 2010 xlsx/xlsm/xltx/xltm files.
いつものようにこのライブラリで処理しようとしたところ，下記のようなエラーが発生しました．
openpyxl.utils.exceptions.InvalidFileException: openpyxl does not support binary format .xlsb, please convert this file to .xlsx format if you want to open it with openpyxl
もう一度 openpyxl の説明を見ると，確かに扱える拡張子は xlsx/xlsm/xltx/xltm となっているので，.xlsb は扱えないのが分かります．
そこで，.xlsb の拡張子が扱えるライブラリを調べたところ，pyxlsb というのがあるみたいなので，それを使うことにしました．
pyxlsb
pyxlsb は公式の説明にあるように，xlsb 形式を扱える python ライブラリになります．
pyxlsb is an Excel 2007-2010 Binary Workbook (xlsb) parser for Python.
pip でインストールすることができます．
pip install pyxlsb
公式のサンプルコードを記載しておきます．
import csv
from pyxlsb import open_workbook
with open_workbook('Book1.xlsb') as wb:
for name in wb.sheets:
with wb.get_sheet(name) as sheet, open(name + '.csv', 'w') as f:
writer = csv.writer(f)
for row in sheet.rows():
writer.writerow([c.v for c in row])
もし pandas のデータフレームに変換したい場合は，参考ページのコードで可能となります．
ただし，時刻変換に関して少し注意が必要なので，記載しておくと公式にもある通り，日付は float に変換されてしまうため，convert_date 関数を使う必要があります．
Note that dates will appear as floats. You must use the convert_date(date) method from the corresponding Workbook instance to turn them into datetime.
なので，元のファイルに時刻が入っている場合には上記変換をコードの中に入れて処理する必要がありますのでご注意下さい．
print(wb.convert_date(41235.45578))
>>> datetime.datetime(2012, 11, 22, 10, 56, 19)
おわりに
今回は個人的に嵌ってしまった .xlsb 形式のファイルを扱う方法を紹介しましたが，出来ればデータ分析をするようなデータを Excel ファイルで扱いたくないのが本音です😅
もちろん簡単なデータの可視化とか表計算で Excel が活躍する場面は多々あると思うので，使い分けて行くのが良いのではと思います．
参考
追記
- 2020/01/05: 更新
pandas の「version=1.0.0」で .xlsb ファイルをロードできるようになったみたいです．方法は pd.read_excel の引数で engine="pyxlsb" と指定するだけです．
# Returns a DataFrame
pd.read_excel("path_to_file.xlsb", engine="pyxlsb")
参考: https://pandas.pydata.org/docs/user_guide/io.html#io-xlsb
