用Python玩转Excel的五大功能！

最新推荐文章于 2024-10-18 17:46:18 发布

程序员与诗人

最新推荐文章于 2024-10-18 17:46:18 发布

阅读量1.2k

点赞数 14

文章标签： pandas python 开发语言

本文链接：https://blog.csdn.net/m0_58552717/article/details/140645120

版权

python自动化专栏收录该内容

117 篇文章 2 订阅

订阅专栏

在数据分析和处理的过程中，Excel一直是备受欢迎的工具。然而，手动操作Excel既费时又容易出错。幸运的是，Python可以让你高效且智能地操作Excel文件，极大提升工作效率。那么，如何用Python玩转Excel呢？

Python可以为我们提供哪些强大的功能来处理Excel文件，使得我们的数据处理工作更加轻松高效？

作为一位多年敲代码的程序员，经常会面对各种数据处理任务。虽然Excel挺强大，但数据量一大，手动处理就有点吃力了。

于是，Python就成了我们的好帮手。今天，我给大家分享五种常用的Excel操作，再加两个小功能，保证让你的数据处理效率翻倍。

一、读写Excel数据

在Python中，读写Excel数据最常用的库就是pandas和openpyxl。这两个库搭配使用，简直就是Excel处理的神器。

先来看看怎么读写Excel文件。

读取Excel文件


import pandas as pd


# 读取Excel文件
df = pd.read_excel('data.xlsx')
print(df.head())  # 打印前五行数据

这个代码段就搞定了Excel文件的读取，简单吧？pandas不仅可以读，还能轻松处理各种数据格式。

写入Excel文件

# 写入Excel文件
df.to_excel('output.xlsx', index=False)

这里的index=False参数是为了不写入索引列。这样一来，你处理的数据就能轻松写回到Excel中。

二、修改Excel文件

修改Excel文件也是常见需求。比如，我们需要在已有的Excel文件中增加新数据或修改现有数据。

# 假设我们要增加一列新的数据
df['new_column'] = df['existing_column'] * 2
df.to_excel('modified.xlsx', index=False)

这样就完成了对Excel文件的修改，新增了一列数据。

三、添加和删除行列

有时候，我们需要在Excel中添加或删除一些行列。用Python处理这类操作也非常方便。

添加行



# 创建一个新的DataFrame
new_data = pd.DataFrame({'column1': [10, 20], 'column2': [30, 40]})

# 追加到原来的DataFrame
df = df.append(new_data, ignore_index=True)
df.to_excel('appended.xlsx', index=False)

删除列

# 删除指定列
df = df.drop(columns=['column_to_drop'])
df.to_excel('dropped_column.xlsx', index=False)

添加行和删除列，就是这么简单，效率杠杠的。

四、筛选和排序数据

数据筛选和排序是Excel中的常用功能，Python同样可以轻松实现。

筛选数据

# 筛选出特定条件的数据
filtered_df = df[df['column'] > 50]
print(filtered_df)

排序数据

# 按照某一列进行排序
sorted_df = df.sort_values(by='column', ascending=False)
print(sorted_df)

筛选和排序数据，用Python搞定，既简单又高效。

五、实现Excel的VLOOKUP

VLOOKUP是Excel中的王牌函数，Python也可以轻松实现。


# 创建两个DataFrame模拟两张表
df1 = pd.DataFrame({'key': ['A', 'B', 'C'], 'value1': [1, 2, 3]})
df2 = pd.DataFrame({'key': ['A', 'B', 'D'], 'value2': [10, 20, 30]})

# 使用merge实现VLOOKUP
merged_df = pd.merge(df1, df2, on='key', how='left')
print(merged_df)

这个代码段实现了VLOOKUP的功能，pd.merge函数让数据合并变得非常简单。

附加功能：数据处理和文件美化

除了上述五种操作，Python还可以帮助我们进行数据处理和文件美化。

处理缺失数据

# 填充缺失数据
df.fillna(0, inplace=True)
print(df)

我们可以用openpyxl对Excel文件进行美化，比如设置单元格格式、字体和颜色。


from openpyxl import Workbook
from openpyxl.styles import Font, PatternFill

# 创建一个新的Excel文件
wb = Workbook()
ws = wb.active

# 写入数据
ws['A1'] = 'Hello'
ws['A1'].font = Font(size=14, bold=True)
ws['A1'].fill = PatternFill(start_color='FFFF00', end_color='FFFF00', fill_type='solid')

# 保存文件
wb.save('styled.xlsx')

这样，我们就能创建一个带有自定义格式和样式的Excel文件了。

总的来说，Python让Excel处理变得更加高效和灵活。不管是读写数据、修改文件，还是添加删除行列、筛选排序数据，Python都能轻松搞定。再加上VLOOKUP等高级功能和数据美化，简直就是Excel处理的全能助手。

通过Python的强大库，我们可以轻松实现Excel文件的读取和写入、数据筛选与排序、数据可视化、自动化报表生成以及数据清洗和格式化。这些功能不仅大大提高了数据处理的效率，也使得数据分析更加精准和高效。