关于Python自动化操作Excel

一、Python 操作 Excel 的常用库

小伙伴你好，在开始操作 Excel 之前，你需要安装 Python 和一些相关库。可以使用 pip 安装以下库，或者使用专业的 python 客户端：pycharm，快速安装 python 和相关库。

• pandas：用于处理 Excel 文件和数据

• openpyxl：用于读取和写入 Excel 文件

• xlrd：用于读取 Excel 文件

• xlwt：用于写入 Excel 文件

1. 使用第三方库 openpyxl

openpyxl 是一个用于读写 Excel 2010 xlsx/xlsm/xltx/xltm 文件的 Python 库。它可以读取和写入 Excel 文件，支持多个工作表、图表等。

示例代码：

import openpyxl

# 打开 Excel 文件
workbook = openpyxl.load_workbook('example.xlsx')

# 获取所有工作表名
sheet_names = workbook.sheetnames
print(sheet_names)

# 获取指定工作表
sheet = workbook['Sheet1']

# 获取单元格数据
cell = sheet['A1']
print(cell.value)

# 修改单元格数据
sheet['A1'] = 'Hello World'

# 保存 Excel 文件
workbook.save('example.xlsx')

2. 使用第三方库 xlrd 和 xlwt

xlrd 和 xlwt 分别用于读取和写入 Excel 文件，支持多个工作表，但不支持 Excel 2010 xlsx/xlsm/xltx/xltm 格式。

示例代码：

import xlrd
import xlwt

# 打开 Excel 文件
workbook = xlrd.open_workbook('example.xls')

# 获取所有工作表名
sheet_names = workbook.sheet_names()
print(sheet_names)

# 获取指定工作表
sheet = workbook.sheet_by_name('Sheet1')

# 获取单元格数据
cell = sheet.cell(0, 0)
print(cell.value)

# 修改单元格数据
new_workbook = xlwt.Workbook()
new_sheet = new_workbook.add_sheet('Sheet1')
new_sheet.write(0, 0, 'Hello World')
new_workbook.save('example.xls')

3. 使用 pandas 库

pandas 是一个用于数据分析的 Python 库，也可以用于读写 Excel 文件，支持多个工作表，但不支持 Excel 2010 xlsx/xlsm/xltx/xltm 格式。

示例代码：

import pandas as pd

# 读取 Excel 文件
df = pd.read_excel('example.xls', sheet_name='Sheet1')

# 获取单元格数据
value = df.iloc[0, 0]
print(value)

# 修改单元格数据
df.iloc[0, 0] = 'Hello World'
df.to_excel('example.xls', index=False)

二、Python 操作 excel 的 10 个常用方法

1. 读取 Excel 文件

使用 pandas 库中的 read_excel()函数可以读取 Excel 文件。示例代码如下：

import pandas as pd

# 读取Excel文件
df = pd.read_excel('example.xlsx')

2. 写入 Excel 文件

使用 pandas 库中的 to_excel()函数可以将数据写入 Excel 文件。示例代码如下：

import pandas as pd

# 将数据写入Excel文件
df.to_excel('example.xlsx', index=False)

3. 插入行或列

使用 pandas 库中的 append()函数可以插入行或列。示例代码如下：

import pandas as pd

# 插入行
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df = df.append({'A': 4, 'B': 7}, ignore_index=True)

# 插入列
df['C'] = [7, 8, 9, 10]

4. 删除行或列

使用 pandas 库中的 drop()函数可以删除行或列。示例代码如下：

import pandas as pd

# 删除行
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df = df.drop(1)

# 删除列
df = df.drop('B', axis=1)

5. 修改单元格值

使用 pandas 库中的 at()函数或.iat()函数可以修改单元格的值。示例代码如下：

import pandas as pd

# 修改单元格值
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df.at[1, 'B'] = 7

# 使用.iat()函数修改单元格值
df.iat[0, 1] = 8

6. 查找单元格值

使用 pandas 库中的.loc()函数或.iloc()函数可以查找单元格的值。示例代码如下：

import pandas as pd

# 查找单元格值
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
value = df.loc[1, 'B']

# 使用.iloc()函数查找单元格值
value = df.iloc[1, 1]

7. 排序数据

使用 pandas 库中的 sort_values()函数可以对数据进行排序。示例代码如下：

import pandas as pd

# 对数据进行排序
df = pd.DataFrame({'A': [1, 3, 2], 'B': [4, 6, 5]})
df = df.sort_values(by='A')

8. 合并数据

使用 pandas 库中的 merge()函数可以合并数据。示例代码如下：

import pandas as pd

# 合并数据
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'A': [1, 2, 4], 'C': [7, 8, 9]})
df = pd.merge(df1, df2, on='A')

9. 分组数据

使用 pandas 库中的 groupby()函数可以对数据进行分组。示例代码如下：

import pandas as pd

# 分组数据
df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
                  'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
                  'C': [1, 2, 3, 4, 5, 6, 7, 8]})
grouped = df.groupby(['A', 'B'])

10. 计算数据统计量

使用 pandas 库中的 describe()函数可以计算数据的统计量。示例代码如下：

import pandas as pd

# 计算数据统计量
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
desc = df.describe()

来源：https://blog.csdn.net/weixin_39032019/article/details/130048021