如何用Python轻松操控Excel表格
引言
在现代业务环境中，
Excel
表格是非常重要的工具，无论是数据记录、数据分析还是报告生成，都离不开
Excel
。然而，手动操作Excel表格效率低下，容易出错，尤其在面对大规模数据时更是如此。幸运的是，
Python
语言提供了强大的库来轻松操控
Excel
表格，让我们可以用高效、可靠的方式处理大量数据。
在这篇文章中，我将详细介绍如何利用
Python
中的
openpyxl
和
pandas
库来读取、修改和保存
Excel
文件，并展示如何进行数据汇总、筛选和转换，甚至生成图表和进行宏操作。
为什么选择Python处理Excel表格
Python
以其简洁的语法和强大的功能深受开发者喜爱。相比于手动操作，使用Python处理Excel表格具有以下几个优势：
1. 自动化操作 ：能够自动执行复杂、重复性高的任务，从而减少人为错误。
2. 高效处理 ：能够处理大量数据，速度远高于手动操作。
3. 强大库支持 ：
openpyxl和pandas等库提供了丰富的功能，几乎可以完成所有你能想到的Excel操作。4. 易于维护 ：代码易读、易维护，可以方便地实现版本控制。
Python操作Excel的常用库
在Python中，有多个库可以用来处理Excel文件，但最常用的是
openpyxl
和
pandas
。这两个库各有特点，下面我将详细介绍它们的使用方法。
openpyxl
openpyxl
是一个用于读取和写入
Excel 2010
xlsx/xlsm/xltx/xltm文件的库。它功能强大，支持大多数Excel特性，包括公式、图表、筛选、排序等，是处理Excel文件的理想选择。
pandas
pandas
是一个强大的数据分析和数据处理库，具有处理表格数据的灵活性和高效性。尽管
pandas
的主要目的是数据分析，但它也提供了丰富的Excel文件处理功能，特别适合用于数据清洗、数据转换和数据分析。
读取Excel文件
首先，我们需要安装相关库：
pip install openpyxl pandas
使用openpyxl读取Excel文件
以下是使用
openpyxl
读取Excel文件的示例代码：
import openpyxl# 加载Excel文件workbook = openpyxl.load_workbook('example.xlsx')# 获取活动工作表sheet = workbook.active# 读取单元格内容cell_value = sheet['A1'].valueprint(f'A1单元格的值是：{cell_value}')
使用pandas读取Excel文件
使用
pandas
读取Excel文件的代码更为简洁：
import pandas as pd# 读取Excel文件df = pd.read_excel('example.xlsx')# 显示DataFrame前几行print(df.head())
修改Excel文件
读取数据只是第一步，实际业务中我们经常需要修改Excel文件。以下是如何使用
openpyxl
和
pandas
修改Excel文件的示例。
使用openpyxl修改Excel文件
import openpyxl# 加载Excel文件workbook = openpyxl.load_workbook('example.xlsx')# 获取活动工作表sheet = workbook.active# 修改单元格内容sheet['A1'] = '新的值'# 保存修改后的Excel文件workbook.save('example_modified.xlsx')
使用pandas修改Excel文件
使用
pandas
修改Excel文件时，我们通常会对整个DataFrame进行操作，然后保存修改后的文件：
import pandas as pd# 读取Excel文件df = pd.read_excel('example.xlsx')# 修改某一列的值df['Column1'] = df['Column1'].apply(lambda x: x + 1)# 保存修改后的Excel文件df.to_excel('example_modified.xlsx', index=False)
数据汇总、筛选和转换
在实际应用中，数据汇总、筛选和转换是非常常见的操作。以下是如何使用
pandas
来实现这些操作。
数据汇总
假设我们有一个包含销售数据的Excel文件，包含多个列：日期、销售员、销售额，我们需要按销售员汇总销售额。
import pandas as pd# 读取Excel文件df = pd.read_excel('sales_data.xlsx')# 按销售员汇总销售额sales_summary = df.groupby('销售员')['销售额'].sum()print(sales_summary)
数据筛选
假设我们需要筛选出销售额大于1000的记录：
import pandas as pd# 读取Excel文件df = pd.read_excel('sales_data.xlsx')# 筛选出销售额大于1000的记录filtered_data = df[df['销售额'] > 1000]print(filtered_data)
数据转换
数据转换是指将数据从一种格式转换为另一种格式。例如，我们需要将销售额从人民币转换为美元：
import pandas as pd# 读取Excel文件df = pd.read_excel('sales_data.xlsx')# 假设1人民币 = 0.15美元df['销售额（美元）'] = df['销售额'] * 0.15print(df)
高级功能
除了基本的读取、修改和数据处理外，
openpyxl
和
pandas
还支持一些高级功能，如生成图表和进行宏操作。
生成图表
以下是使用
openpyxl
生成图表的示例：
import openpyxlfrom openpyxl.chart import LineChart, Reference# 加载Excel文件workbook = openpyxl.load_workbook('sales_data.xlsx')# 获取活动工作表sheet = workbook.active# 创建图表对象chart = LineChart()# 添加数据到图表data = Reference(sheet, min_col=2, min_row=1, max_col=2, max_row=10)chart.add_data(data, titles_from_data=True)# 添加图表到工作表sheet.add_chart(chart, 'E5')# 保存修改后的Excel文件workbook.save('sales_data_with_chart.xlsx')
宏操作
openpyxl
不支持直接操作Excel宏，但可以读取和修改带有宏的文件。对于更复杂的宏操作，可以使用
pywin32
库来调用Excel的COM接口。
以下是一个简单的示例，演示如何使用
pywin32
运行Excel宏：
import win32com.client# 打开Excel应用excel = win32com.client.Dispatch("Excel.Application")# 打开带有宏的Excel文件workbook = excel.Workbooks.Open(r'path\to\macro_enabled_file.xlsm')# 运行宏excel.Application.Run("macro_enabled_file.xlsm!宏名称")# 保存修改workbook.Save()# 关闭Excel应用excel.Application.Quit()
结论
我们已经详细介绍了如何使用Python的
openpyxl
和
pandas
库来轻松操控Excel表格，从基本的读取、修改操作，到数据汇总、筛选和转换，再到生成图表和宏操作。通过这些示例，你应该能够应对大多数业务需求，提升工作效率，减少人为错误。
如果喜欢我的内容，不妨点赞关注，我们下次再见！
大家注意：因为微信最近又改了推送机制，经常有小伙伴说错过了之前被删的文章，或者一些限时福利，错过了就是错过了。所以建议大家加个 星标 ，就能第一时间收到推送。
点个喜欢支持我吧，点个 在看 就更好了
