Python xlrd库常用操作汇总

本文详细介绍了如何在Python中使用xlrd库精细操控Excel文件,包括读取、获取sheet、数据汇总、行和表操作,以及单元格类型和位置处理。适合对底层读取控制感兴趣的开发者。

在python中,xlrd库是一个很常用的读取excel文件的库,其对excel文件的读取可以实现比较精细的控制。虽然现在使用pandas库读取和保存excel文件往往更加方便快捷,但在某些场景下,依然需要xlrd这种更底层的库来实现对读取的控制。

# 1、打开文件
x1 = xlrd.open_workbook(filename)

# 2、获取sheet对象
x1.sheet_names()  # 获取所有sheet名字
x1.nsheets        # 获取sheet数量
x1.sheets()       # 获取所有sheet对象
x1.sheet_by_name("test")  # 通过sheet名查找
ds = x1.sheet_by_index(3)  # 通过索引查找
# 3、获取sheet的汇总数据
ds.name           #获取sheet名
ds.nrows          #获取总行数
ds.ncols          #获取总列数
# 4、行操作
ds.row_values(0)     #获取第一行所有内容
ds.row(0)            #获取单元格值类型和内容
ds.row_types(0)      #获取单元格数据类型
# 5、表操作
ds.row_values(0,6,10)      #取第一行,第6-9列
ds.col_values(0,0,5)       #取第一列,第0-4行
ds.row_slice(2,0,2)        #获取单元格值类型和内容,同sheet1.row()
sheet1.row_types(1,0,2)    #获取单元格数据类型
# 6. 特定单元格读取或获取单元类型
ds.cell_value(1,2)
ds.cell(1,2).value
ds.row(1)[2].value
ds.cell(1,2).ctype
ds.cell_type(1,2)
ds.row(1)[2].ctype

# 7. 单元格位置表达方式
xlrd.cellname(0,0)      #将(0,0)转化为A1
xlrd.cellnameabs(0,0)         #将(0,0)转化为SAS1
xlrd.colname(30)         #将列由数字转换为字母表示


# 8、数据类型:
# 空:0
# 字符串:1
# 数字:2
# 日期:3
# 布尔:4
# error:5

<think>首先,用户的问题是:“我想查找Python常用的扩展列表 请问Python 常用扩展汇总”。根据系统指令,我需要使用中文回答,并确保结构清晰。 系统指令要求: - 行内数学表达式用$...$格式(但用户问题不涉及数学,所以可能不需要)。 - 独立公式用$$...$$格式(同样,不相关)。 - LaTeX语法正确(这里主要是文本)。 - 使用中文回答。 - 生成相关问题。 - 回答中引用的段落末尾添加引用标识。 - 回答结构清晰,帮助用户逐步解决问题,保证真实可靠。 参考站内引用: - [^1]: 关于Python环境创建和包安装。 - [^2]: Python常用扩展及使用,包括标准和扩展列表。 - [^3]: Python标准和扩展。 - [^4]: 常用Python标准和扩展。 用户的问题是关于Python常用扩展汇总。我需要基于提供的引用信息来回答。 从引用中提取关键信息: - [^2] 和 [^4] 提供了扩展列表。 - [^2] 列出扩展如:openpyxl, python-docx, numpy, pandas, matplotlib, scrapy, shutil, pyopengl, pygame, sklearn, tensorflow。 - [^4] 列出扩展如:requests, urllib, scrapy, beautifulsoup4, celery, redis, Pillow, xlsxwriter, xlwt, xlrd, elasticsearch, pymysql, mongoengine/pymongo, matplotlib, numpy/scipy, django/tornado/flask, xmltodict, SimpleHTTPServer, gevent, fabric, pandas, scikit-learn。 我需要汇总这些,并组织成一个清晰的列表。由于引用有重复,我可以合并和分类。 回答结构: 1. 介绍:简要解释什么是Python扩展。 2. 列出常用扩展:按类别或功能分组,以使其更清晰。 3. 添加引用标识。 4. 最后,生成相关问题。 生成相关问题:系统指令要求生成相关问题,放在最后,以“§§相关问题§§”开头。 确保回答真实可靠:基于提供的引用信息,这些常用的。 大纲: - 开头:直接回答用户问题,汇总常用扩展。 - 主体:分类列出,如数据处理、网络、科学计算、Web开发等。 - 结尾:添加引用。 - 然后:生成相关问题。 分类建议(基于引用): - 数据处理和科学计算:numpy, pandas, scipy, matplotlib - Web开发:django, flask, tornado - 爬虫和网络:scrapy, requests, beautifulsoup4 - 数据:pymysql, redis, mongoengine/pymongo - 文件处理:openpyxl, python-docx, Pillow - 其他:tensorflow, sklearn, celery, fabric 使用中文:所有内容用中文写。 引用添加:在回答末尾或相关段落后添加引用标识,如[^2] 或 [^4]。 最终输出: - 回答部分。 - §§相关问题§§ - 相关问题列表。</think>### Python 常用扩展汇总 Python 的扩展(也称为第三方)是社区开发的模块,用于增强 Python 的功能。它们覆盖了从数据处理到网络编程、科学计算等多个领域。以下是基于常用场景的扩展分类汇总,列表基于权威来源整理,确保真实可靠[^2][^4]。 #### 1. **数据处理与分析** - **pandas**: 用于数据清洗、分析和操作(如 DataFrame 处理)。 - **numpy**: 提供高性能数组计算和矩阵运算,是科学计算的基础。 - **openpyxl** 和 **xlwt/xlrd**: 读写 Excel 文件(openpyxl 支持 .xlsx,xlwt/xlrd 支持 .xls)。 - **python-docx**: 读写 Word 文档。 - **Pillow (PIL)**: 图像处理,支持多种图像格式操作。 #### 2. **科学计算与可视化** - **scipy**: 基于 numpy 的科学计算,用于优化、统计等。 - **matplotlib**: 数据可视化,可绘制各种图表(如折线图、散点图)。 - **scikit-learn (sklearn)**: 机器学习,提供分类、回归等算法。 - **tensorflow** 或 **pytorch**: 深度学习框架(TensorFlow 更常用于生产环境)。 #### 3. **网络与爬虫** - **requests**: 简化 HTTP 请求,基于 urllib3 开发。 - **scrapy**: 爬虫框架,用于大规模网页抓取。 - **beautifulsoup4**: HTML/XML 解析器,常与 requests 配合使用。 - **urllib**: 高层网络,处理 URL 相关操作。 - **gevent**: 基于协程的网络,提升并发性能。 #### 4. **Web 开发** - **django**: 全功能 Web 框架,适合大型项目。 - **flask**: 轻量级 Web 框架,灵活易用。 - **tornado**: 异步网络框架,适合实时应用。 - **celery**: 分布式任务调度,用于后台作业处理。 #### 5. **数据与存储** - **pymysql**: MySQL 数据连接。 - **redis**: 缓存和键值存储。 - **mongoengine** 或 **pymongo**: MongoDB 数据接口。 - **elasticsearch**: 全文搜索引擎。 #### 6. **系统与运维** - **fabric**: 系统管理工具,支持远程命令执行。 - **shutil**: 文件和目录管理(标准扩展)。 - **SimpleHTTPServer**: 快速搭建 HTTP 服务器(适用于测试)。 #### 7. **其他常用** - **xmltodict**: 将 XML 数据转换为 Python 字典。 - **pygame**: 游戏开发框架。 - **logging**: 日志记录(标准扩展,但常用于增强功能)。 - **hashlib**: 加密算法(标准扩展)。 这些可通过 pip 安装,例如安装 pandas 和 numpy:`pip install pandas numpy`。更多细节可参考官方文档或社区资源[^2][^4]。注意,实际使用时应根据项目需求选择合适的版本,以避免兼容性问题。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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