本文主要是介绍Python操作Excel的实用工具与库openpyxl/pandas的详细指南，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
《Python操作Excel的实用工具与库openpyxl/pandas的详细指南》在日常数据处理工作中,Excel是最常见的数据文件格式之一,本文将带你了解openpyxl和pandas的核心用法,...
在日常数据处理工作中，Excel 是最常见的数据文件格式之一。无论是财务报表、销售统计还是实验数据，python 都能通过强大的库快速读写和处理 Excel 文件。其中最常用的就是 openpyxl 和 pandas。
本文将带你了解这两个库的核心用法，并通过实战示例展示如何高效操作 Excel 文件。
一、openpyxl：原生 Excel 文件操作库
openpyxl 是一个专门用于读写 .xlsx 文件的纯 Python 库。它支持单元格读写、样式设置、图表创建等高级功能，适合对 Excel 文件结构进行精细控制的场景。
1. 安装 openpyxl
pip install openpyxl
2.http://www.chinasem.cn 创建 Excel 文件
from openpyxl import Workbook
# 创建一个新的工作簿
wb = Workbook()
ws = wb.active
# 写入数据
ws['A1'] = '姓名'
ws['B1'] = '成绩'
ws.append(['Alice', 95])
ws.append(['Bob', 88])
# 保存文件
wb.save('成绩表.xlsx')
运行后，你将得到一个包含学生成绩的 Excel 文件。
3. 读取 Excel 文件
from openpyxl import load_workbook
wb = load_workbook('成绩表.xlsx')
ws = wb.active
for row in ws.iter_rows(values_only=True):
print(row)
输出结果：
('姓名', '成绩')
('Alice', 95)
('Bob', 88)
4. 修改单元格内容
ws['javascriptB2'] = 98 # 修改 Alice 的成绩 wb.save('成绩表_修改.xlsx')
5. 设置单元格样式（可选）
from opbCYbwUenpyxl.styles import Font, Alignment
ws['A1'].font = Font(bold=True, color="FF0000")
ws['A1'].alignment = Alignment(horizontal='center')
wb.save('成绩表_格式.xlsx')
二、pandas：高效的数据分析利器
如果你更关注数据分析和批量处理，而不是 Excel 的格式细节，那么 pandas 是更高效的选择。 pandas 可以轻松地读写 Excel 文件并与 DataFrame 无缝结合。
1. 安装 pandas
pip install pandas openpyxl
2. 从 Excel 读取数据
import pandas as pd
df = pd.read_excel('成绩表.xlsx')
print(df)
输出：
姓名 成绩
0 Alice 95
1 Bob 88
3. 修改数据并写回 Excel
df.loc[df['姓名'] == 'Bob', '成绩'] = 90
df.to_excel('成绩表_更新.xlsx', index=False)
4. 多表格（多 Sheet）操作
with pd.ExcelWriter('多表格.xlsx') as writer:
df.to_excel(writer, sheet_name='一班', index=False)
df.to_excel(writer, sheet_name='二班', index=False)
5. 从多个 Excel 文件合并数据
import glob
files = glob.glob("data/*.xlsx")
all_data = pd.concat((pd.read_excel(f) for f in files))
all_data.to_excel('合并结果.xlsx', index=False)
三、openpyxl 与 jspandas 的比较
| 特性 | openpyxl | pandas |
|---|---|---|
| 文件类型 | .xlsx | .xls, .xlsx, .csv |
| 操作粒度 | 单元格级别 | 表格/数据级别 |
| 适合场景 | 精细化格式控制、表格样式、美化 | 批量处理、分析计算、数据转换 |
| 是否支持样式 | ✅ 是 | ❌ 否（仅限数据） |
结论：
- 如果你需要www.chinasem.cn精细控制 Excel 外观（如模板、美化），推荐 openpyxl。
- 如果你主要关注数据计算和处理，推荐 pandas。
四、实战案例：销售数据汇总
假设你有多个销售 Excel 文件（如每月销售数据），需要快速汇总并输出总销售额。
import pandas as pd
import glob
# 合并所有销售文件
files = glob.glob("sales/*.xlsx")
df = pd.concat([pd.read_excel(f) for f in files])
# 汇总计算
summary = df.groupby('销售员')['销售额'].sum().reset_index()
# 导出结果
summary.to_excel('销售汇总.xlsx', index=False)
print("汇总完成！")
这段代码可以帮你自动读取所有销售文件，统计每位销售员的总销售额，并生成一个新的汇总文件。
五、总结
通过本文的学习，你应该掌握了以下内容：
- 使用 openpyxl 创建、修改和美化 Excel 文件。
- 使用 pandas 快速读写、分析和汇总 Excel 数据。
- 理解两者的差异与适用场景。
- 掌握一个实战级的数据汇总案例。
无论你是做数据分析、办公自动化，还是构建数据驱动应用，Excel 操作都是 Python 工具箱中不可或缺的一环。 下一步，你可以继续学习如何用 pandas + Matplotlib 实现数据可视化，为数据报告添加图形洞察。
到此这篇关于Python操作Excel的实用工具与库openpyxl/pandas的详细指南的文章就介绍到这了,更多相关Python操作Excel库内容请搜索China编程(www.chinasem.cn)以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程China编程(www.chinasem.cn)！
这篇关于Python操作Excel的实用工具与库openpyxl/pandas的详细指南的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
