excel数据导入python后不对齐_Python处理Excel文件的实用姿势

真正的勇士，敢于直面银行卡上的余额，敢于正视磅秤上的数字。

表格数据是最常见的数据类型，Excel是日常办公中最常接触的文件。

上一章提过Python可以通过openpyxl模块处理Excel文件。

其实Python处理Excel的三方模块主要有这几个：xlrd、xlwt和xlutils，支持读写Excel文件。

openpyxl，支持读写和修改OpenXML格式的Excel文件。

xlswriter，支持写文件，以及更多Excel功能特性。

pandas，底层依赖xlrd和xlwt读写Excel文件，处理数据神器。

pywin32，调用Win32 API操作文件，只适用于Windows。

xlwings，可理解为pywin32的多平台加强版，有商业版支持。

简单做个对比分析：第1类中3个模块，属于同一作者的开源项目，目前已停更，不建议直接使用。

pywin32和xlwings基于原生Excel软件提供服务，需提前安装软件，读写性能和功能最佳，xlwings还有商业版本支持。

pandas侧重数据分析，Excel文件读写只是其数据输入和输出部分。

openpyxl不需要依赖Excel功能，直接读写OpenXML内容，兼容性好。

xlswriter侧重写Excel文件，支持VBA等更多特性。

建议的使用场景：如果企业内大量使用Excel，并用了很多如VBA宏的特性，建议用xlwings。一方面功能全，另一方面可以采买商业付费版支持。

对于普通Excel文件自动处理，建议用openpyxl，大部分情况下够用。

GB级以下的数据分析，建议用pandas，后续会单独出一个数据分析系列来介绍它。

本文重点介绍openpyxl的使用，它足够应付大部分人日常的表格自动化处理场景。

日常处理Excel文件，最常见的应用场景有3类：读写Excel文件

合并、分割文档数据

报表自动化，批量生成图表

模块安装：pip install openpyxl

基本使用

Excel表格文件中主要元素有这几个：sheet(工作表)：一个Excel文件可以有多个sheet。

row/col(行和列)，iter_rows()和iter_cols()可以返回所有行和列。

cell(单元格)：和Excel一样用sheet['A1']表示，注意行列都以1开始。

formulae(公式)：可以为单元格设置计算公式，和Excel概念一致。

charts(图表)：比如饼图、柱状图等。

style(样式)：支持自定义样式，以及条件格式化等。

image(图片)，支持pillow的图像处理。

打开Excel文件

import pathlib

import datetime

from openpyxl import load_workbook

path = list(pathlib.Path.cwd().parents)[1].joinpath('data/automate/004excel')

in_path = path.joinpath('input.xlsx')

wb = load_workbook(in_path, read_only=True)

for name in wb.sheetnames:

ws = wb[name]

print(f'{name} 表有 {ws.max_row-ws.min_row+1} 行, {ws.max_column-ws.min_column+1} 列.')

读取Excel文件内的数据

import pathlib

import datetime

from openpyxl import load_workbook

path = list(pathlib.Path.cwd().parents)[1].joinpath('data/automate/004excel')

in_path = path.joinpath('input.xlsx')

wb = load_workbook(in_path)

ws = wb[wb.sheetnames[0]] # 第一个工作表

# 操作单列

for cell in ws["A"]:

print(cell.value)

# 操作单行

for cell in ws["1