Python与Excel交互

在数据处理和分析工作中,Excel 是常见的工具,而 Python 凭借其强大的库生态,为 Excel 的操作提供了高效、灵活的解决方案。本文将带你全面了解如何用 Python 与 Excel 进行交互,涵盖常用库、代码实例、关键知识点总结,并附上思维导图。


一、常用库简介

以下是 Python 操作 Excel 的常用库:

  1. openpyxl
    用于读取、写入 Excel(.xlsx 格式)。
  2. pandas
    数据分析的强大工具,可快速处理 Excel 数据。
  3. xlrd
    用于读取 Excel 文件(支持 .xls 和部分 .xlsx)。
  4. xlwt
    用于写入 Excel 文件(主要用于 .xls)。
  5. xlsxwriter
    强调创建复杂格式的 .xlsx 文件。
  6. pyexcel
    多格式支持的库,适合跨文件类型操作。

二、代码实例

示例 1:用 openpyxl 创建并写入 Excel 文件

from openpyxl import Workbook

# 创建一个工作簿
wb = Workbook()
ws = wb.active

# 写入数据
ws['A1'] = "姓名"
ws['B1'] = "成绩"
ws.append(["张三", 90])
ws.append(["李四", 85])

# 保存文件
wb.save("example_openpyxl.xlsx")
print("Excel 文件已创建!")

示例 2:用 pandas 读取和写入 Excel 文件

import pandas as pd

# 读取 Excel 文件
df = pd.read_excel("example_openpyxl.xlsx")
print("读取的内容:")
print(df)

# 修改数据并写入新文件
df.loc[1, '成绩'] = 95  # 修改李四的成绩
df.to_excel("example_pandas.xlsx", index=False)
print("修改后的文件已保存!")

示例 3:用 xlsxwriter 创建带样式的 Excel 文件

import xlsxwriter

# 创建一个工作簿
workbook = xlsxwriter.Workbook("example_xlsxwriter.xlsx")
worksheet = workbook.add_worksheet()

# 定义格式
bold = workbook.add_format({'bold': True})
center = workbook.add_format({'align': 'center'})

# 写入带格式的内容
worksheet.write('A1', '姓名', bold)
worksheet.write('B1', '成绩', bold)
worksheet.write_row('A2', ['张三', 90])
worksheet.write_row('A3', ['李四', 85], center)

# 关闭工作簿
workbook.close()
print("Excel 文件已创建并带样式!")

三、关键知识点总结

知识点描述
Excel 文件格式.xls(Excel 2003 及以前),.xlsx(Excel 2007 及以后)。
库的选择根据任务需求选择合适的库,如数据分析推荐 Pandas,样式设置推荐 xlsxwriter。
单元格操作openpyxlxlsxwriter 支持单元格精细化操作,包括格式、公式等。
数据框与 ExcelPandas 的 DataFrame 是处理 Excel 数据的高效选择。
格式化与性能xlsxwriter 强调格式化,但不支持读取文件;openpyxl 支持完整读写。

四、思维导图

以下是 Python 与 Excel 交互的知识结构思维导图:

Python 与 Excel 交互
├── 常用库
│   ├── openpyxl
│   ├── pandas
│   ├── xlrd/xlwt
│   ├── xlsxwriter
│   ├── pyexcel
├── 文件格式
│   ├── .xls
│   ├── .xlsx
├── 主要功能
│   ├── 数据读取
│   │   ├── 单元格/区域
│   │   ├── 数据框
│   ├── 数据写入
│   │   ├── 单元格精确写入
│   │   ├── 数据框批量写入
│   ├── 文件格式化
│   │   ├── 设置字体、颜色
│   │   ├── 加入公式
│   ├── 文件性能优化
│       ├── 批量处理
│       ├── 内存管理

五、总结

使用 Python 操作 Excel 不仅效率高,还能满足复杂的需求。从简单的读取与写入,到格式化与性能优化,Python 提供了丰富的工具选择。推荐初学者从 openpyxlpandas 入手,逐步深入了解其他库的功能。

通过上述实例和知识点,你将能轻松应对日常的 Excel 数据处理任务!

最后修改于:2024年11月20日 20:05

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日