Python Excel操作全面总结与案例解析

已于 2024-10-08 11:23:09 修改
阅读量1.7k 收藏 29
点赞数 15
文章标签： python excel 开发语言 信息可视化
于 2024-04-04 07:30:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/suifengme/article/details/137163770
版权

目录

 

第一章：Python Excel基础操作

1.1 环境搭建

1.2 Excel文件操作

1.3 Excel单元格操作

1.4 Excel行列操作

1.5 数据类型与公式

1.6 实战案例：学生信息管理系统

1.7 总结

第二章：Python Excel高级应用

2.1 数据处理

2.2 图表创建

2.3 自动化办公

2.4 实战案例：销售数据分析

2.5 总结

第三章：Python Excel实战案例解析

3.1 实战案例一：销售数据分析

3.2 实战案例二：财务报表自动化

3.3 实战案例三：数据处理脚本

3.4 实战案例四：数据同步脚本

3.5 实战案例五：自动化邮件发送

3.6 总结

 

第一章：Python Excel基础操作

在当今的数据处理和办公自动化领域，Python凭借其简洁易学的语法和强大的扩展库，已经成为了一种广泛使用的编程语言。特别是在Excel文件的处理上，Python提供了一系列的库，使得对Excel的操作变得异常简单。本章将带领读者进入Python Excel操作的世界，学习如何使用Python进行Excel文件的基础操作。

1.1 环境搭建

在进行Python Excel操作之前，首先需要确保你的计算机上已经安装了Python环境。你可以从Python的官方网站下载并安装最新版本的Python。安装完成后，你还需要安装一些Python的Excel操作库，如openpyxl、xlrd和xlwt。

  • openpyxl是一个用于读写Excel 2010 xlsx/xlsm/xltx/xltm文件的库。
  • xlrd是一个用于读取Excel数据的库，支持xls和xlsx文件。
  • xlwt是一个用于写入Excel文件的库，只支持xls文件。

你可以使用pip命令来安装这些库：

pip install openpyxl xlrd xlwt

1.2 Excel文件操作

使用openpyxl库，你可以轻松地创建、读取、写入和保存Excel文件。

  • 创建一个新的Excel文件：
from openpyxl import Workbook

wb = Workbook()
ws = wb.active
ws.title = "MySheet"

wb.save("example.xlsx")
  • 读取现有的Excel文件：
from openpyxl import load_workbook

wb = load_workbook("example.xlsx")
ws = wb["MySheet"]

print(ws["A1"].value)
  • 写入数据到Excel文件：
ws["A1"] = "Hello"
ws["A2"] = "World"

wb.save("example.xlsx")

1.3 Excel单元格操作

在Excel中，单元格是存储数据的基本单元。使用Python，你可以轻松地读取、写入和修改单元格的值。

  • 读取单元格的值：
cell_value = ws["A1"].value
print(cell_value)
  • 写入数据到单元格：
ws["A1"] = "New Value"
wb.save("example.xlsx")
  • 修改单元格的样式：
from openpyxl.styles import Font

font = Font(bold=True, size=16)
ws["A1"].font = font
wb.save("example.xlsx")

1.4 Excel行列操作

在Python中，你也可以轻松地对Excel的行列进行操作。

  • 读取一行的值：
row_values = [cell.value for cell in ws["1"]]
print(row_values)
  • 写入数据到一行：
ws["1"] = ["Item", "Price", "Quantity"]
wb.save("example.xlsx")
  • 读取一列的值：
col_values = [cell.value for cell in ws["A"]]
print(col_values)
  • 写入数据到一列：
for row in range(2, 5):
    ws[f"A{row}"] = f"Product {row}"
wb.save("example.xlsx")

1.5 数据类型与公式

在Excel中，数据类型和公式是非常重要的概念。Python的Excel库也提供了对这些功能的支持。

  • 设置单元格的数据类型：
from openpyxl import Workbook
from openpyxl.styles import NumberFormatDescriptor

wb = Workbook()
ws = wb.active

ws["A1"] = 1234.5
ws["A1"].number_format = NumberFormatDescriptor('0.00')

wb.save("example.xlsx")
  • 在单元格中计算公式：
ws["A3"] = "SUM(A1:A2)"
wb.save("example.xlsx")

1.6 实战案例：学生信息管理系统

现在，让我们通过一个简单的实战案例来展示如何使用Python对Excel进行操作。我们将创建一个Excel文件，用于存储学生的姓名、年龄和成绩，并计算每个学生的总分和平均分。

import openpyxl

# 创建一个新的工作簿和工作表
wb = openpyxl.Workbook()
ws = wb.active
ws.title = "Student Information"

# 定义学生数据
students = [
    ["Name", "Age", "Score1", "Score2", "Total", "Average"],
    ["Alice", 20, 85, 92, None, None],
    ["Bob", 22, 78, 88, None, None],
    ["Charlie", 19, 90, 85, None, None]
]

# 将数据写入工作表
for row in students:
    ws.append(row)


# 计算总分和平均分
for row in range(2, len(students)):
    total = ws[f"C{row}"].value + ws[f"D{row}"].value
    average = total / 2
    ws[f"E{row}"] = total
    ws[f"F{row}"] = average

# 保存工作簿
wb.save("Student_Information.xlsx")

通过上述代码，我们创建了一个包含学生信息的Excel文件，并计算了每个学生的总分和平均分。这个案例展示了如何将Python的Excel操作应用于实际的数据处理任务中。

1.7 总结

本章介绍了Python Excel操作的基础知识，包括环境搭建、Excel文件操作、单元格操作、行列操作、数据类型与公式的处理，以及一个实战案例。通过这些内容的学习，读者应该能够掌握使用Python进行Excel操作的基本技巧，为进一步的学习和实践打下坚实的基础。在下一章中，我们将深入探讨Python Excel操作的高级应用，包括数据处理、图表创建和自动化办公等。

第二章：Python Excel高级应用

在第一章中，我们已经掌握了Python对Excel进行基础操作的方法。现在，让我们进一步探索Python在Excel操作中的高级应用，包括数据处理、图表创建和自动化办公等。

2.1 数据处理

在Excel中，数据处理是一项非常重要的功能。Python的Excel库提供了丰富的方法和属性，帮助我们高效地进行数据处理。

  • 筛选数据：
from openpyxl import load_workbook

wb = load_workbook("example.xlsx")
ws = wb.active

# 筛选年龄大于20岁的学生
filtered_data = []
for row in ws.iter_rows(min_row=2, max_row=ws.max_row, values_only=True):
    if row[1] > 20:
        filtered_data.append(row)

print(filtered_data)
  • 排序数据：
from openpyxl import Workbook
from openpyxl.utils import get_column_letter

wb = Workbook()
ws = wb.active

data = [
    ["Name", "Age", "Score"],
    ["Alice", 19, 85],
    ["Bob", 22, 88],
    ["Charlie", 20, 92]
]

for row in data:
    ws.append(row)

# 按年龄排序
sorted_data = sorted(ws.iter_rows(min_row=2, max_row=ws.max_row, values_only=True), key=lambda x: x[1])

# 清除原有数据
ws.delete_rows(2, ws.max_row)

# 写入排序后的数据
for row in sorted_data:
    ws.append(row)

wb.save("sorted_example.xlsx")

2.2 图表创建

Excel中的图表功能可以帮助我们更直观地展示数据。使用Python的Excel库，我们也可以轻松地创建各种图表。

  • 创建柱状图：
from openpyxl import Workbook
from openpyxl.chart import BarChart, Reference

wb = Workbook()
ws = wb.active

data = [
    ["Category", "Value"],
    ["A", 10],
    ["B", 20],
    ["C", 30],
    ["D", 40]
]

for row in data:
    ws.append(row)

chart = BarChart()
chart.title = "Bar Chart"
chart.x_axis.title = "Category"
chart.y_axis.title = "Value"

cats = Reference(ws, min_col=1, min_row=2, max_row=5)
vals = Reference(ws, min_col=2, min_row=1, max_row=5)
chart.add_data(vals, titles_from_data=True)
chart.set_categories(cats)

ws.add_chart(chart, "E2")

wb.save("bar_chart_example.xlsx")
  • 创建折线图：
from openpyxl import Workbook
from openpyxl.chart import LineChart, Reference

wb = Workbook()
ws = wb.active

data = [
    ["Month", "Sales"],
    ["Jan", 200],
    ["Feb", 250],
    ["Mar", 300],
    ["Apr", 350],
    ["May", 400]
]

for row in data:
    ws.append(row)

chart = LineChart()
chart.title = "Line Chart"
chart.x_axis.title = "Month"
chart.y_axis.title = "Sales"

cats = Reference(ws, min_col=1, min_row=2, max_row=5)
vals = Reference(ws, min_col=2, min_row=1, max_row=5)
chart.add_data(vals, titles_from_data=True)
chart.set_categories(cats)

ws.add_chart(chart, "E2")

wb.save("line_chart_example.xlsx")

2.3 自动化办公

Python在自动化办公方面也具有很大的优势。通过Python的Excel库，我们可以轻松地实现数据的批量处理、报告的自动生成等功能。

  • 批量处理数据：
import openpyxl
from openpyxl.utils import get_column_letter

wb = openpyxl.load_workbook("example.xlsx")
ws = wb.active

# 将所有学生的成绩提高10分
for row in range(2, ws.max_row + 1):
    cell = ws[f"C{row}"]
    cell.value = cell.value + 10

wb.save("updated_example.xlsx")
  • 自动生成报告：
import openpyxl
from openpyxl.chart import BarChart, Reference
from openpyxl.drawing.image import Image

wb = openpyxl.Workbook()
ws = wb.active

# 添加数据
data = [
    ["Category", "Value"],
    ["A", 10],
    ["B", 20],
    ["C", 30],
    ["D", 40]
]

for row in data:
    ws.append(row)

# 创建图表
chart = BarChart()
chart.title = "Bar Chart"
chart.x_axis.title = "Category"
chart.y_axis.title = "Value"

cats = Reference(ws, min_col=1, min_row=2, max_row=5)
vals = Reference(ws, min_col=2, min_row=1, max_row=5)
chart.add_data(vals, titles_from_data=True)
chart.set_categories(cats)

# 将图表添加到工作表中
ws.add_chart(chart, "E2")

# 添加公司logo
img = Image("company_logo.png")
ws.add_image(img, "A1")

# 保存报告
wb.save("report.xlsx")

通过上述代码，我们创建了一个包含图表和公司logo的Excel报告，这个报告可以自动生成，极大地提高了办公效率。

2.4 实战案例：销售数据分析

在本节中，我们将通过一个实战案例来展示如何使用Python对销售数据进行高级分析。我们将读取一个包含销售数据的Excel文件，然后进行数据清洗、分析，并生成一个包含关键数据和图表的报告。

import openpyxl
from openpyxl.chart import LineChart, Reference

# 读取销售数据
wb = openpyxl.load_workbook("sales_data.xlsx")
ws = wb.active

# 数据清洗
cleaned_data = []
for row in ws.iter_rows(min_row=2, values_only=True):
    if row[1] is not None and row[2] is not None:
        cleaned_data.append(row)

# 分析：计算每月的总销售额
monthly_sales = {}
for row in cleaned_data:
    month = row[0].strftime("%Y-%m")
    sales = row[2]
    if month in monthly_sales:
        monthly_sales[month] += sales
    else:
        monthly_sales[month] = sales

# 创建新的工作表
ws_analysis = wb.create_sheet(title="Sales Analysis")

# 写入分析结果
ws_analysis.append(["Month", "Total Sales"])
for month, sales in monthly_sales.items():
    ws_analysis.append([month, sales])

# 创建折线图
chart = LineChart()
chart.title = "Monthly Sales Analysis"
chart.x_axis.title = "Month"
chart.y_axis.title = "Total Sales"

cats = Reference(ws_analysis, min_col=1, min_row=2, max_row=len(monthly_sales) + 1)
vals = Reference(ws_analysis, min_col=2, min_row=1, max_row=len(monthly_sales) + 1)
chart.add_data(vals, titles_from_data=True)
chart.set_categories(cats)

ws_analysis.add_chart(chart, "D2")

# 保存分析报告
wb.save("sales_analysis_report.xlsx")

通过上述代码，我们读取了一个销售数据的Excel文件，进行了数据清洗和分析，并生成了一份包含折线图的报告，展示了每月的总销售额变化。

2.5 总结

本章介绍了Python Excel操作的高级应用，包括数据处理、图表创建和自动化办公。通过这些内容的学习，读者应该能够掌握使用Python进行Excel高级操作的方法，并能够将这些技术应用于实际的数据分析和办公自动化任务中。在下一章中，我们将通过一些实战案例，进一步巩固和深化这些技能。

第三章：Python Excel实战案例解析

在前两章中，我们学习了Python Excel操作的基础知识和高级应用。现在，让我们通过一些实战案例来巩固和深化这些技能。本章将介绍几个典型的实战案例，包括数据分析、报表自动化和数据处理脚本。

3.1 实战案例一：销售数据分析

在这个案例中，我们将读取一个包含销售数据的Excel文件，然后进行数据清洗、分析，并生成一个包含关键数据和图表的报告。

import openpyxl
from openpyxl.chart import LineChart, Reference

# 读取销售数据
wb = openpyxl.load_workbook("sales_data.xlsx")
ws = wb.active

# 数据清洗
cleaned_data = []
for row in ws.iter_rows(min_row=2, values_only=True):
    if row[1] is not None and row[2] is not None:
        cleaned_data.append(row)

# 分析：计算每月的总销售额
monthly_sales = {}
for row in cleaned_data:
    month = row[0].strftime("%Y-%m")
    sales = row[2]
    if month in monthly_sales:
        monthly_sales[month] += sales
    else:
        monthly_sales[month] = sales

# 创建新的工作表
ws_analysis = wb.create_sheet(title="Sales Analysis")

# 写入分析结果
ws_analysis.append(["Month", "Total Sales"])
for month, sales in monthly_sales.items():
    ws_analysis.append([month, sales])

# 创建折线图
chart = LineChart()
chart.title = "Monthly Sales Analysis"
chart.x_axis.title = "Month"
chart.y_axis.title = "Total Sales"

cats = Reference(ws_analysis, min_col=1, min_row=2, max_row=len(monthly_sales) + 1)
vals = Reference(ws_analysis, min_col=2, min_row=1, max_row=len(monthly_sales) + 1)
chart.add_data(vals, titles_from_data=True)
chart.set_categories(cats)

ws_analysis.add_chart(chart, "D2")

# 保存分析报告
wb.save("sales_analysis_report.xlsx")

3.2 实战案例二：财务报表自动化

在这个案例中，我们将读取一个包含财务数据的Excel文件，然后进行数据汇总和格式设置，最后生成一个格式化的财务报表。

import openpyxl
from openpyxl.styles import Font, Alignment

# 读取财务数据
wb = openpyxl.load_workbook("financial_data.xlsx")
ws = wb.active

# 数据汇总
summary_data = {}
for row in ws.iter_rows(min_row=2, values_only=True):
    account = row[0]
    amount = row[1]
    if account in summary_data:
        summary_data[account] += amount
    else:
        summary_data[account] = amount

# 创建新的工作表
ws_summary = wb.create_sheet(title="Financial Summary")

# 写入汇总结果
ws_summary.append(["Account", "Amount"])
for account, amount in summary_data.items():
    ws_summary.append([account, amount])

# 设置报表格式
header_font = Font(bold=True)
header_alignment = Alignment(horizontal="center", vertical="center")
for cell in ws_summary["1:1"]:
    cell.font = header_font
    cell.alignment = header_alignment

# 保存财务报表
wb.save("financial_summary_report.xlsx")

3.3 实战案例三：数据处理脚本

在这个案例中，我们将编写一个Python脚本，用于读取一个包含客户信息的Excel文件，然后进行数据验证和清洗，最后将清洗后的数据保存到一个新的Excel文件中。

import openpyxl
import re

# 读取客户数据
wb = openpyxl.load_workbook("customer_data.xlsx")
ws = wb.active

# 数据清洗
cleaned_data = []
for row in ws.iter_rows(min_row=2, values_only=True):
    name = row[0]
    email = row[1]
    phone = row[2]

    # 验证电子邮件格式
    if re.match(r"[^@]+@[^@]+\.[^@]+", email):
        cleaned_email = email
    else:
        cleaned_email = "Invalid Email"

    # 验证电话号码格式
    if re.match(r"\d{3}-\d{3}-\d{4}", phone):
        cleaned_phone = phone
    else:
        cleaned_phone = "Invalid Phone"

    cleaned_data.append([name, cleaned_email, cleaned_phone])

# 创建新的工作簿和工作表
wb_cleaned = openpyxl.Workbook()
ws_cleaned = wb_cleaned.active
ws_cleaned.title = "Cleaned Customer Data"

# 写入清洗后的数据
ws_cleaned.append(["Name", "Email", "Phone"])
for row in cleaned_data:
    ws_cleaned.append(row)

# 保存清洗后的数据
wb_cleaned.save("cleaned_customer_data.xlsx

3.4 实战案例四：数据同步脚本

在这个案例中，我们将编写一个Python脚本，用于同步两个Excel文件中的数据。脚本将比较两个文件中的数据，并将更新的数据从源文件复制到目标文件中。

import openpyxl

# 定义源文件和目标文件
source_file = "source_data.xlsx"
target_file = "target_data.xlsx"

# 加载源文件和目标文件
source_wb = openpyxl.load_workbook(source_file)
target_wb = openpyxl.load_workbook(target_file)

# 获取源文件和目标文件的工作表
source_ws = source_wb.active
target_ws = target_wb.active

# 假设我们使用姓名作为唯一标识符
identifier_column = 'A'

# 创建一个字典来存储目标文件中的数据
target_data = {}
for row in target_ws.iter_rows(min_row=2, values_only=True):
    identifier = row[0]
    target_data[identifier] = row

# 同步数据
for row in source_ws.iter_rows(min_row=2, values_only=True):
    identifier = row[0]
    if identifier in target_data:
        # 更新现有数据
        target_row = target_data[identifier]
        for i, value in enumerate(row):
            target_row[i] = value
    else:
        # 添加新数据
        target_ws.append(row)

# 保存目标文件
target_wb.save(target_file)

3.5 实战案例五：自动化邮件发送

在这个案例中，我们将结合Python的Excel操作和邮件发送功能，编写一个脚本来自动化发送包含Excel附件的邮件。

import openpyxl
import smtplib
from email.mime.multipart import MIMEMultipart
from email.mime.base import MIMEBase
from email.mime.text import MIMEText
from email.utils import COMMASPACE
from email import encoders

# 邮件发送函数
def send_mail(send_from, send_to, subject, text, files=None):
    assert isinstance(send_to, list)

    msg = MIMEMultipart()
    msg['From'] = send_from
    msg['To'] = COMMASPACE.join(send_to)
    msg['Subject'] = subject

    msg.attach(MIMEText(text))

    for file in files or []:
        with open(file, "rb") as fil:
            part = MIMEBase('application', 'octet-stream')
            part.set_payload(fil.read())
            encoders.encode_base64(part)
            part.add_header('Content-Disposition', f"attachment; filename= {file}")
            msg.attach(part)

    with smtplib.SMTP('smtp.gmail.com', 587) as server:
        server.starttls()
        server.login("youremail@gmail.com", "yourpassword")
        server.sendmail(send_from, send_to, msg.as_string())
        server.close()

# 创建Excel报告
wb = openpyxl.Workbook()
ws = wb.active
ws.title = "Report"
# ... 添加数据和格式化 ...

# 保存报告
report_file = "report.xlsx"
wb.save(report_file)

# 发送邮件
send_from = "youremail@gmail.com"
send_to = ["recipient1@example.com", "recipient2@example.com"]
subject = "Monthly Report"
text = "Please find the attached monthly report."
files = [report_file]

send_mail(send_from, send_to, subject, text, files)

在这个案例中，我们首先创建了一个Excel报告，然后使用SMTP服务器发送一个包含该报告附件的邮件。请注意，为了使用SMTP服务器，你需要替换send_from、send_to和server.login中的凭据为你自己的电子邮件地址和密码。

3.6 总结

本章通过几个实战案例，展示了Python Excel操作在实际应用中的强大功能。这些案例涵盖了数据分析、报表自动化、数据处理脚本和自动化邮件发送等多个方面。通过这些案例的学习，读者应该能够更好地理解Python Excel操作的应用，并能够将这些技术应用于自己的实际工作中。

 

极客代码
关注
用Python完成Excel的常用操作
weixin_33929309的博客
09-08 1万+
原文首发于简书于[2018.07.23] 在以前，商业分析对应的英文单词是Business Analysis，大家用的分析工具是Excel，后来数据量大了，Excel应付不过来了（Excel最大支持行数为1048576行），人们开始转向python和R这样的分析工具了，这时候商业分析对应的单词是Business Analytics。 其实python和...
Python与Excel的完美结合：操作技巧与自动化应用
全世界的博客
05-30 2784
Python提供了多种库来处理Excel文件，使得数据分析和处理变得更加高效和灵活。openpyxl: 主要用于读取和写入Excel 2010 xlsx/xlsm/xltx/xltm文件，支持多个工作表、图表等。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。pandas。
办公自动化——Python操作Excel案例
sinat_39027078的博客
02-20 5841
常见的python 操作Excel 的案例，学习案例有立竿见影的效果
Python自动化办公：提升效率的5个经典案例
2301_78095812的博客
03-17 324
库的选择策略Excel处理：openpyxl（推荐）/ pandas文件操作：os/shutil/pathlibPDF处理：pdfplumber/PyPDF2邮件处理：smtplib/email定时任务：schedule/APScheduler扩展思路与云存储结合（如对接阿里云）添加异常处理机制集成到GUI界面（PyQt/Tkinter）结合API实现数据自动同步这些案例稍作修改即可适应不同办公场景。
Python处理Excel数据
12-13 2358
Python处理Excel数据 2012-08-02 10:07:32     我来说两句       收藏  我要投稿 前段时间做了个小项目，帮个海洋系的教授做了个数据处理的软件。基本的功能很简单，就是对Excel里面的一些数据进行过滤，统计，对多个表的内容进行合并等。之前没有处理Excel数据的经验，甚至于自己都很少用到Excel。记得《Python核心编程》的最后一章里有讲到用Win3
利用Python处理Excel数据
liuyq859的博客
10-29 13万+
目录 读取数据 显示数据 显示数据的行与列数 查看数据格式dtpyes 显示列名 添加默认的列名 显示数据后5行 显示数据唯一值 跳过文件的第i行不读取 对缺失值进行识别 数据清洗 处理空值 更改数据格式 更改列名称 删除重复值 对列表内的值进行替换 数据预处理 对数据进行排序 数据分组 数据分列 数据提取 按标签提取 按位置提取 按标签和位置提取 按条件提取 从合并的数值中提取出指
Python Excel数据分析实例
10-24
对Excel数据进行读取并重新整理至新Excel，并绘制Excel中数据为图表
Python——处理Excel的10个常用操作
GLB_0627的博客
07-23 6245
通过这些技巧和方法，我们能够在 Python 中更灵活、高效地处理和分析 Excel 数据，为数据科学和数据处理工作提供了丰富的工具和思路。无论是初学者还是有经验的开发者，这些技能都将为处理实际工作中的 Excel 数据提供强大的支持。
python 批量实现OFD发票文件解析，并转存至excel中
10-16
Python 批量实现OFD发票文件解析，并转存至Excel中的技术过程涵盖了数据处理、自动化和办公效率提升等多个领域。OFD文件是“开放版式文档格式”（Open Fixed-layout Document Format）的缩写，是一种中国国家标准的...
python处理excel案例.docx
06-12
除了上述示例，Python还可以执行更复杂的Excel操作，如条件过滤、数据清洗、公式计算、图表生成等。在实际应用中，可以根据需求选择合适的库和方法，结合其他Python数据分析工具，实现对Excel数据的强大处理能力。在...
Python数据报表之Excel操作模块用法分析
09-19
### Python数据报表之Excel操作模块用法分析 #### 一、引言 Excel作为一种非常流行的电子表格处理软件，被广泛应用于各种数据报表的制作中，包括但不限于业务质量报告、资源利用率统计以及安全性评估等场景。此外，...
Python对Excel操作详解
08-05
Python对Excel操作详解
【Python编程】Python编程全攻略：从基础语法到实战案例的全面解析与项目实战指导
最新发布
04-09
随后通过多个实用案例解析，如Excel数据处理、文件批量重命名、股票数据分析等，展示了Python在实际工作中的强大应用能力。在项目实战环节，开发了简易爬虫和数据分析仪表盘，进一步提升了编程思维和解决问题的能力...
python处理excel案例_Python实例——操作excel文件
weixin_39900045的博客
11-23 600
Python实例——操作excel文件目前处理数据离不开excel，所以pythoner必须学会用python操作excel表格。Python与excel交互方法也比较多，我一开始就接触的xlrd/xlwt包。直到现在也没有发现什么bug或者缺点，而且上次从ujs505那里知道Win32Com的方法在64bit系统下无效了，但是xlrd/xlwt方法依然好用，我欣喜万分。这里给出我一个从材料单轴拉...
十三、Python Excel操作
alvine008的专栏
02-03 3515
最近公司要把Excel导入到mysql数据库，查了几篇博客，这几项是非常有用的，记录下来。 一、安装xlrd模块    到python官网下载http://pypi.python.org/pypi/xlrd模块安装，前提是已经安装了python 环境。 二、使用介绍   1、导入模块
Python最详细的Excel操作方式，你值得拥有！
热门推荐
李元静
11-18 13万+
为什么要学会使用Excel 在机器学习模型的建立中,不得不借助于Excel强大的统计分析能力,这个时候就牵涉到了如何将python直接处理得到的数据存入excel表格当中以及获取表格的数据进行分析，简单的说，学会使用Python操作Excel文件后，可以运用到机器学习之中，也可以让平常生活中繁琐的工作自动化处理。 Excel的基本使用 Python处理Excel的包是openpyxl，如果你...
用 Python 处理 Excel 的 14 个常用操作！
Trb201013的博客
04-16 7923
这也是我写这篇文章的初衷。废话不说了，直接进入正题。vlookup是excel几乎最常用的公式，一般用于两个表的关联查询等。所以我先把这张表分为两个表。需求：想知道df1的每一个订单对应的利润是多少。利润一列存在于df2的表格中，所以想知道df1的每一个订单对应的利润是多少。用excel的话首先确认订单明细号是唯一值，然后在df1新增一列写：=vlookup(a2,df2!a:h,6,0) ，然后往下拉就ok了。（剩下13个我就不写excel啦）那用python是如何实现的呢？
Python和Excel的完美结合:常用操作汇总(案例详析)
xx_nm98的博客
06-15 4257
Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。（全套教程文末领取哈）
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值