Python-Openpyxl 库详解

一、Openpyxl 库简介

Openpyxl 是 Python 中用于操作 Excel 文件的第三方库，专注于处理 .xlsx、.xlsm 等 Office Open XML 格式文件。其核心功能包括读取、写入、修改 Excel 数据，支持单元格样式、图表、公式等高级操作。
核心优势：

• ​功能全面：支持数据读写、样式调整、图表生成、公式计算等，覆盖 Excel 操作的 90% 以上需求。
• ​高效轻量：能处理百万行级别的数据，适用于自动化办公与数据分析场景。
• ​跨平台兼容：支持 Windows、macOS 和 Linux 系统，与 Microsoft Excel 无缝兼容。

二、安装与环境配置

通过 pip 一键安装：

bash

pip install openpyxl

安装后导入模块即可使用：

python

import openpyxl

 

​三、基础操作与常用函数

​1. 创建与保存工作簿

• ​创建新 Excel 文件：

  python

  from openpyxl import Workbook
  wb = Workbook()                 # 创建新工作簿
  ws = wb.active                  # 获取默认工作表
  ws.title = "数据表"             # 重命名工作表
  wb.save("new_file.xlsx")        # 保存文件[1,5](@ref)

• ​加载现有 Excel 文件：

  python

  wb = openpyxl.load_workbook("example.xlsx")  # 读取文件

​2. 工作表与单元格操作

• ​选择工作表：

  python

  sheet = wb["Sheet1"]            # 按名称选择工作表
  sheet = wb.worksheets[0]        # 按索引选择（首个工作表）[5](@ref)

• ​读写单元格数据：

  python

  # 方式1：通过坐标（A1格式）
  cell_value = sheet["A1"].value  # 读取数据
  sheet["B2"] = "Python"          # 写入数据[1](@ref)
  
  # 方式2：通过行列索引（从1开始）
  cell = sheet.cell(row=3, column=2, value=100)  # 写入数值[7](@ref)

​3. 批量数据处理

• ​逐行写入数据：

  python

  data = [["姓名", "年龄"], ["张三", 25], ["李四", 30]]
  for row in data:
      sheet.append(row)           # 追加数据到末尾行[5](@ref)

• ​遍历单元格区域：

  python

  for row in sheet.iter_rows(min_row=2, max_col=3):  # 限定行、列范围
      for cell in row:
          print(cell.value)        # 逐行逐列读取[6](@ref)

 

​四、高级功能与常用函数

​1. 单元格样式设置

支持字体、颜色、对齐等样式调整：

python

from openpyxl.styles import Font, PatternFill, Alignment

# 设置字体样式
font = Font(name="宋体", size=12, bold=True, color="FF0000")
sheet["A1"].font = font

# 设置背景填充色
fill = PatternFill(start_color="FFFF00", fill_type="solid")
sheet["A1"].fill = fill

# 设置水平居中
sheet["A1"].alignment = Alignment(horizontal="center")[5,7](@ref)

​2. 图表与公式应用

• ​生成柱状图：

  python

  from openpyxl.chart import BarChart, Reference
  chart = BarChart()
  data = Reference(sheet, min_col=2, min_row=1, max_row=5)  # 选择B列数据
  chart.add_data(data, titles_from_data=True)
  sheet.add_chart(chart, "E5")     # 将图表插入E5位置[6,7](@ref)

• ​使用 Excel 公式：

  python

  sheet["C1"] = "=SUM(A1:B1)"      # 计算A1+B1的和
  sheet["D1"] = "=AVERAGE(A1:A10)" # 计算A列前10行均值[6](@ref)

​3. 高级工作表操作

• ​合并单元格：

  python

  sheet.merge_cells("A1:D1")       # 合并A1到D1的单元格
  sheet.unmerge_cells("A1:D1")     # 取消合并[7](@ref)

• ​调整行列尺寸：

  python

  sheet.column_dimensions["A"].width = 20   # 设置A列宽度
  sheet.row_dimensions[1].height = 30       # 设置首行高度[5](@ref)

 

五、实用技巧与注意事项

​1. 性能优化

• ​大文件处理：使用 iter_rows() 逐行读取，避免内存溢出。
• ​批量操作：减少频繁的 save() 调用，优先在内存中完成修改后一次性保存。

​2. 异常处理

python

try:
    wb = openpyxl.load_workbook("file.xlsx")
except FileNotFoundError:
    print("文件不存在！")

​3. 资源管理

推荐使用 with 语句自动关闭文件：

python

with openpyxl.load_workbook("data.xlsx") as wb:
    sheet = wb.active
    # 处理数据...

​4. 注意事项

• ​文件占用：保存前确保 Excel 未被其他程序打开。
• ​日期处理：需将日期转换为 datetime 对象后再写入。

---

​六、应用场景

1. ​自动化报表生成：批量填充数据模板并添加图表。
2. ​数据清洗：通过公式和条件筛选清理 Excel 数据。
3. ​跨系统数据迁移：将数据库查询结果导出为 Excel 文件。