Excel. pd.read_excel("budget.xlsx", sheet_name="Q1") lê uma planilha; sheet_name=None lê todas em um dicionário. Muitas pastas de trabalho colocam um título e uma nota acima da tabela, então o cabeçalho real fica mais abaixo: skiprows=2 ignora essas linhas. df.to_excel("out.xlsx", index=False) grava uma planilha. (O pandas usa a biblioteca openpyxl para arquivos .xlsx; este notebook a carrega na primeira vez que você precisar.)
JSON. pd.read_json lida com registros planos. Registros aninhados, em que cada pedido contém um objeto de cliente e uma lista de itens, precisam de pd.json_normalize: record_path="items" cria uma linha por item, e meta= copia campos do registro pai, inclusive os aninhados, como ["customer", "city"].
Parquet. to_parquet e read_parquet armazenam os tipos das colunas junto com os dados, então datas continuam sendo datas e texto continua sendo texto, o que o CSV não consegue fazer. Carregar a biblioteca do Parquet leva alguns segundos na primeira vez.
A planilha Q1, ignorando as linhas de título e de nota acima da tabela.