【Python实用教程】教你用几行Python代码批处理excel

前言

Excel表格基础知识

Excel表格具有多种功能和作用，包括但不限于：数据记录和整理、数据分析和可视化、预测和决策、自动化和定制化、输出和报告。总之，Excel表格是一个强大的数据处理和分析工具，广泛应用于各个领域。Excel表格通常用于商业、金融、科学、教育等领域。

Excel表格的常用操作

Excel表格的常用操作包括插入、删除、移动、复制、粘贴、排序和筛选、图表等。这些操作可以帮助用户快速有效地处理数据，并生成各种报表和图表。

Excel表格的文件格式

Excel表格的文件格式有多种，常见的有xls、xlsx、xlsm、xlsb等。其中，xls格式是Excel 97-2003所使用的二进制格式，而xlsx格式是Excel 2007及以上版本所使用的XML格式。xlsm格式与xlsx格式类似，但支持宏和VBA代码。xlsb格式是一种二进制格式，通常用于处理大型数据集。

Python自动化处理Excel表格

在Python中，我们可以使用pandas和openpyxl等库来自动化处理Excel表格。

最新全套【Python入门到进阶资料 & 实战源码 &安装工具】（安全链接，放心点击）

1.pandas库

pandas是一个开源的数据分析库，具有高效、灵活、易用等特点。它可以帮助用户处理各种数据类型，包括Excel表格。在pandas中，我们可以使用read_excel和to_excel等函数来读取和写入Excel表格。

示例代码

import pandas as pd  
  
# 读取Excel表格  
df = pd.read_excel('data.xlsx')  
  
# 处理数据  
# ...  
  
# 写入Excel表格  
df.to_excel('output.xlsx', index=False)  

2.openpyxl库

openpyxl是一个开源的Python库，用于读取和写入Excel表格。它可以帮助用户处理各种数据类型，包括Excel表格。在openpyxl中，我们可以使用load_workbook和save_workbook等函数来读取和写入Excel表格。

示例代码

from openpyxl import load_workbook  
  
# 读取Excel表格  
wb = load_workbook('data.xlsx')  
ws = wb.active  
  
# 处理数据  
# ...  
  
# 写入Excel表格  
wb.save('output.xlsx')  

Python自动化处理Excel表格的常见问题

在使用Python自动化处理Excel表格时，常见的问题包括读取数据、写入数据、格式化数据、筛选数据等。下面，我们将针对这些问题进行详细讲解。

如何读取Excel表格？

在Python中，我们可以使用pandas和openpyxl等库来读取Excel表格。其中，pandas库常用于读取较大的Excel表格，而openpyxl库常用于读取较小的Excel表格。

1.使用pandas读取Excel表格

import pandas as pd  
  
# 读取Excel表格  
df = pd.read_excel('data.xlsx')  

2.使用openpyxl读取Excel表格

from openpyxl import load_workbook  
  
# 读取Excel表格  
wb = load_workbook('data.xlsx')  
ws = wb.active  
  
# 获取数据  
data = []  
for row in ws.iter_rows(values_only=True):  
    data.append(row)  

如何写入Excel表格？

在Python中，我们可以使用pandas和openpyxl等库来写入Excel表格。其中，pandas库常用于写入较大的Excel表格，而openpyxl库常用于写入较小的Excel表格。

1.使用pandas写入Excel表格

import pandas as pd  
  
# 写入Excel表格  
df.to_excel('output.xlsx', index=False)  

2.使用openpyxl写入Excel表格

from openpyxl import Workbook  
  
# 写入Excel表格  
wb = Workbook()  
ws = wb.active  
  
for row in data:  
    ws.append(row)  
  
wb.save('output.xlsx')  

如何格式化Excel表格？

在Python中，我们可以使用openpyxl等库来格式化Excel表格。其中，openpyxl库提供了各种格式化工具，可以帮助用户对Excel表格进行格式化。

示例代码

from openpyxl.styles import Font, Alignment  
  
# 设置字体和对齐方式  
font = Font(name='Arial', size=12, bold=True)  
alignment = Alignment(horizontal='center', vertical='center')  
  
# 格式化表头  
for cell in ws[1]:  
    cell.font = font  
    cell.alignment = alignment  
  
# 格式化数据  
for row in ws.iter_rows(min_row=2):  
    for cell in row:  
        cell.number_format = '0.00'  

如何筛选Excel表格？

在Python中，我们可以使用pandas和openpyxl等库来筛选Excel表格。其中，pandas库常用于筛选较大的Excel表格，而openpyxl库常用于筛选较小的Excel表格。

1.使用pandas筛选Excel表格

import pandas as pd  
  
# 筛选数据  
df_filtered = df[df['column_name'] == 'value']  

2.使用openpyxl筛选Excel表格

from openpyxl.utils import column_index_from_string  
  
# 筛选数据  
for row in ws.iter_rows(min_row=2):  
    if row[column_index_from_string('A')-1].value == 'value':  
        # 处理数据  
        # ...  

筛选和修改数据

使用 pandas 和 openpyxl 可以方便地筛选和修改 Excel 文件中的数据。以下是一个简单的示例代码：

import pandas as pd  
from openpyxl import load_workbook  
  
# 读取 Excel 文件并加载工作表  
file = 'example.xlsx'  
workbook = load_workbook(file)  
sheet = workbook['Sheet1']  
  
# 将工作表中的数据读取到 pandas DataFrame 中  
data = sheet.values  
df = pd.DataFrame(data, columns=['姓名', '年龄', '性别'])  
  
# 筛选出年龄大于等于 30 岁的人员信息  
df_filtered = df[df['年龄'] >= 30]  
  
# 将年龄小于 20 岁的人员信息删除  
df.drop(df[df['年龄'] < 20].index, inplace=True)  
  
# 在 DataFrame 中添加一列数据  
df['职业'] = ['学生', '教师', '医生']  
  
# 将修改后的 DataFrame 写入 Excel 文件  
with pd.ExcelWriter(file, engine='openpyxl', mode='a') as writer:  
    writer.book = workbook  
    df.to_excel(writer, sheet_name='Sheet1', index=False)  

在这个代码中，先使用 openpyxl 库读取 Excel 文件并加载工作表。然后，使用 pandas 库将工作表中的数据读取到 DataFrame 中：

• 使用条件表达式筛选出年龄大于等于 30 岁的人员信息，并将其存储在 df_filtered 变量中。

• 使用 drop() 方法删除年龄小于 20 岁的人员信息。

• 在 DataFrame 中添加一列职业信息。

最后将修改后的 DataFrame 写回到 Excel 文件中。

创建图表

使用 pandas 和 openpyxl 可以方便地在 Excel 文件中创建各种类型的图表。以下是一个简单的示例代码：

import pandas as pd  
from openpyxl import load_workbook  
from openpyxl.chart import BarChart, Reference  
  
# 读取 Excel文件并加载工作表  
file = 'example.xlsx'  
workbook = load_workbook(file)  
sheet = workbook['Sheet1']  
  
# 将工作表中的数据读取到 pandas DataFrame 中  
data = sheet.values  
df = pd.DataFrame(data, columns=['姓名', '年龄', '性别'])  
  
# 创建一个柱形图并添加到 Excel 文件中  
chart = BarChart()  
chart.title = '人员年龄分布'  
chart.x_axis.title = '姓名'  
chart.y_axis.title = '年龄'  
  
xdata = Reference(sheet, min_col=1, min_row=2, max_row=len(df))  
ydata = Reference(sheet, min_col=2, min_row=2, max_row=len(df))  
chart.add_data(ydata)  
chart.set_categories(xdata)  
  
sheet.add_chart(chart, 'D1')  
  
# 保存 Excel 文件  
workbook.save(file)  

在这个示例代码中，先使用 openpyxl 库读取 Excel 文件并加载工作表。然后使用 pandas 库将工作表中的数据读取到 DataFrame 中。

创建一个柱形图并将其添加到 Excel 文件中的步骤：

• 创建一个 BarChart 对象，并设置标题、X 轴标题和 Y 轴标题。

• 使用 Reference 方法创建一个数据范围对象，并将其指定为图表的 X 轴和 Y 轴数据。

• 使用 add_data() 方法将 Y 轴数据添加到图表中。

• 使用 set_categories() 方法将 X 轴数据添加到图表中。

• 使用 add_chart() 方法将图表添加到工作表中。

Python是一种高级编程语言，而Excel是一种电子表格软件。Python有灵活和强大的数据处理和分析能力，而Excel提供更直观和可视化的界面和操作方式。 Python和Excel可以相互补充，它们各自具有不同的功能和用途，结合使用能实现更强大的数据处理和分析能力。Python自动化处理Excel表格可以帮助你提高工作效率，减轻工作负担。更多高级用法小编将会陆续发布的，如果有对Python感兴趣的小伙伴欢迎关注小编！

以上就是今天的全部内容分享，觉得有用的话欢迎点赞收藏哦！
关于Python学习指南

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

包括：Python激活码+安装包、Python web开发，Python爬虫，Python数据分析，人工智能、自动化办公等学习教程。带你从零基础系统性的学好Python！

👉Python所有方向的学习路线👈

Python所有方向路线就是把Python常用的技术点做整理，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）

👉Python学习视频600合集👈

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉Python70个实战练手案例&源码👈

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉Python大厂面试资料👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

👉Python副业兼职路线&方法👈

学好 Python 不论是就业还是做副业赚钱都不错，但要学会兼职接单还是要有一个学习规划。

👉 这份完整版的Python全套学习资料已经上传，朋友们如果需要可以扫描下方CSDN官方认证二维码或者点击链接免费领取【保证100%免费】

点击免费领取《CSDN大礼包》：Python入门到进阶资料 & 实战源码 & 兼职接单方法 安全链接免费领取