【Python脚本】20个必学的Excel表格操作

最新推荐文章于 2025-02-20 16:05:34 发布
原创 最新推荐文章于 2025-02-20 16:05:34 发布 · 761 阅读 · 16 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #excel #开发语言 #pip #数据库 #Python学习 #经验分享

本文将介绍使用 Python 处理 Excel 文件的多种方法，涵盖从基本的读写操作到高级的数据分析与可视化。通过这些示例，你可以学习如何高效地管理和分析 Excel 数据。

  • 包含编程资料、学习路线图、源代码、软件安装包等！【[点击这里]】！

在这里插入图片描述

1.安装必要的库

  • 在开始之前，确保安装了 pandas 和 openpyxl 这两个库。这两个库是处理 Excel 文件的基础。
pip install pandas openpyxl

2.读取 Excel 文件

  • 首先，让我们看看如何读取一个 Excel 文件。
import pandas as pd    
# 读取 Excel 文件  
df = pd.read_excel('example.xlsx', engine='openpyxl')    
# 显示前五行数据  
print(df.head())
  • 输出：
   A    B     C  
0  1  100  1000  
1  2  200  2000  
2  3  300  3000  
3  4  400  4000  
4  5  500  5000

3.写入 Excel 文件

  • 接下来，我们将创建一个新的 DataFrame 并将其写入新的 Excel 文件。
import pandas as pd    
# 创建一个 DataFrame  
data = {  
    'A': [1, 2, 3, 4, 5],  
    'B': [100, 200, 300, 400, 500],  
    'C': [1000, 2000, 3000, 4000, 5000]}  
df = pd.DataFrame(data)    
# 将 DataFrame 写入 Excel 文件  
df.to_excel('output.xlsx', index=False)

4.选择特定列

  • 有时候我们只需要 Excel 文件中的某些列。
import pandas as pd    
# 读取 Excel 文件  
df = pd.read_excel('example.xlsx', usecols=['A', 'C'])    
# 显示前五行数据  
print(df.head())
  • 输出：
   A     C  
0  1  1000  
1  2  2000  
2  3  3000  
3  4  4000  
4  5  5000

5.过滤数据

  • 过滤数据可以帮助我们找到特定条件下的记录。
import pandas as pd  
# 读取 Excel 文件  
df = pd.read_excel('example.xlsx')    
# 过滤出 A 列大于 3 的行  
filtered_df = df[df['A'] > 3]    
# 显示过滤后的数据  
print(filtered_df)
  • 输出：
  A    B     C  
3  4  400  4000  
4  5  500  5000

6.数据排序

  • 排序数据可以让我们更容易地查看数据的趋势。
import pandas as pd    
# 读取 Excel 文件  
df = pd.read_excel('example.xlsx')    
# 按照 A 列降序排列  
sorted_df = df.sort_values(by='A', ascending=False)    
# 显示排序后的数据  
print(sorted_df)
  • 输出：
   A    B     C  
4  5  500  5000  
3  4  400  4000  
2  3  300  3000  
1  2  200  2000  
0  1  100  1000

7.数据分组

  • 数据分组可以帮助我们分析不同类别的数据。
import pandas as pd    
# 读取 Excel 文件  
df = pd.read_excel('example.xlsx')    
# 按照 B 列分组并计算平均值  
grouped_df = df.groupby('B').mean()    
# 显示分组后的数据  
print(grouped_df)
  • 输出：
          A        C  
B                      
100  1.000000  1000.0  
200  2.000000  2000.0  
300  3.000000  3000.0  
400  4.000000  4000.0  
500  5.000000  5000.0

8.添加新列

  • 我们可以根据现有列的数据轻松添加新列。
import pandas as pd    
# 读取 Excel 文件  
df = pd.read_excel('example.xlsx')    
# 添加新列 D  
df['D'] = df['A'] * df['B']    
# 显示更新后的数据  
print(df)
  • 输出：
  A    B     C     D  
0  1  100  1000   100  
1  2  200  2000   400  
2  3  300  3000   900  
3  4  400  4000  1600  
4  5  500  5000  2500

9.更新单元格

  • 有时候我们需要更新特定单元格的值。
import pandas as pd    
# 读取 Excel 文件  
df = pd.read_excel('example.xlsx')    
# 更新 A 列第 2 行的值  
df.at[1, 'A'] = 10    
# 显示更新后的数据  
print(df)
  • 输出：
 A    B     C  
0  1  100  1000  
1 10  200  2000  
2  3  300  3000  
3  4  400  4000  
4  5  500  5000

10.删除列

  • 删除不需要的列可以简化数据集。
import pandas as pd    
# 读取 Excel 文件  
df = pd.read_excel('example.xlsx')    
# 删除 C 列  
del df['C']    
# 显示更新后的数据  
print(df)
  • 输出：
   A    B  
0  1  100  
1  2  200  
2  3  300  
3  4  400  
4  5  500

11.合并多个 Excel 文件

  • 合并多个 Excel 文件可以方便地将数据集中到一起。
import pandas as pd    
# 读取多个 Excel 文件  
df1 = pd.read_excel('example1.xlsx')  
df2 = pd.read_excel('example2.xlsx')    
# 合并两个 DataFrame  
merged_df = pd.concat([df1, df2], ignore_index=True)    
# 显示合并后的数据  
print(merged_df)
  • 输出：
   A    B     C  
0  1  100  1000  
1  2  200  2000  
2  3  300  3000  
3  4  400  4000  
4  5  500  5000

12.数据透视表

  • 数据透视表是一种强大的工具，可以快速汇总和分析数据。
import pandas as pd   
# 读取 Excel 文件  
df = pd.read_excel('example.xlsx')    
# 创建数据透视表  
pivot_table = pd.pivot_table(df, values='C', index=['A'], columns=['B'], aggfunc=sum)    
# 显示数据透视表  
print(pivot_table)
  • 输出：
B       100   200   300   400   500  
A                          
1       1000  NaN   NaN   NaN   NaN  
2       NaN   2000  NaN   NaN   NaN  
3       NaN   NaN   3000  NaN   NaN  
4       NaN   NaN   NaN   4000  NaN  
5       NaN   NaN   NaN   NaN   5000

13.数据合并

  • 合并多个数据集可以让你更好地分析数据之间的关系。
import pandas as pd    
# 读取两个 Excel 文件  
df1 = pd.read_excel('example1.xlsx')  
df2 = pd.read_excel('example2.xlsx')    
# 使用内连接合并两个数据集  
merged_df = pd.merge(df1, df2, on='A', how='inner')    
# 显示合并后的数据  
print(merged_df)
  • 输出：
   A    B_x    C_x    B_y    C_y  
0  1   100  1000    10    100  
1  2   200  2000    20    200  
2  3   300  3000    30    300  
3  4   400  4000    40    400  
4  5   500  5000    50    500

14.数据清洗

  • 数据清洗是数据分析的重要步骤，可以去除无效或错误的数据。
import pandas as pd    
# 读取 Excel 文件  
df = pd.read_excel('example.xlsx')    
# 去除空值  
df.dropna(inplace=True)    
# 去除重复行  
df.drop_duplicates(inplace=True)    
# 显示清洗后的数据  
print(df)
  • 输出：
   A    B     C  
0  1  100  1000  
1  2  200  2000  
2  3  300  3000  
3  4  400  4000  
4  5  500  5000

15.数据类型转换

  • 正确设置数据类型有助于节省内存并提高性能。
import pandas as pd    
# 读取 Excel 文件  
df = pd.read_excel('example.xlsx')  
# 将 A 列转换为整型  
df['A'] = df['A'].astype(int)    
# 将 B 列转换为浮点型  
df['B'] = df['B'].astype(float)    
# 显示转换后的数据  
print(df.dtypes)
  • 输出：
A         int64  
B        float64  
C        float64  
dtype: object

16.数据可视化

  • 使用 matplotlib库可以方便地绘制图表。
import pandas as pd  
import matplotlib.pyplot as plt    
# 读取 Excel 文件  
df = pd.read_excel('example.xlsx')    
# 绘制柱状图  
plt.bar(df['A'], df['B'])  
plt.xlabel('A')  
plt.ylabel('B')  
plt.title('A vs B')  
plt.show()

17.多页 Excel 文件操作

  • 处理多页 Excel 文件时，可以使用openpyxl库。
from openpyxl 
import load_workbook  
# 加载 Excel 文件  
wb = load_workbook('example.xlsx')    
# 获取所有工作表名称  
sheet_names = wb.sheetnames  
print(sheet_names)    
# 选择特定工作表  
sheet = wb['Sheet1']    
# 读取特定单元格的值  
cell_value = sheet.cell(row=1, column=1).value  
print(cell_value)
  • 输出：
['Sheet1', 'Sheet2', 'Sheet3']  
1

18.条件格式化

  • 条件格式化可以帮助你突出显示特定数据。
import pandas as pd  
from openpyxl import Workbook  
from openpyxl.styles import PatternFill  
  
# 创建一个新的 DataFrame  
data = {  
    'A': [1, 2, 3, 4, 5],  
    'B': [100, 200, 300, 400, 500],  
    'C': [1000, 2000, 3000, 4000, 5000]  
}  
df = pd.DataFrame(data)  
  
# 将 DataFrame 写入 Excel 文件  
wb = Workbook()  
ws = wb.active  
df.to_excel(ws, index=False)  
  
# 设置条件格式化  
for row in ws.iter_rows(min_row=2, max_row=6, min_col=2, max_col=2):  
    for cell in row:  
        if cell.value > 300:  
            cell.fill = PatternFill(start_color="FF0000", end_color="FF0000", fill_type="solid")  
  
# 保存 Excel 文件  
wb.save('condition.xlsx')

19.自定义样式

  • 自定义样式可以让你的 Excel 文件更加美观。
import pandas as pd  
from openpyxl import Workbook  
from openpyxl.styles import Font, Border, Side, Alignment  
  
# 创建一个新的 DataFrame  
data = {  
    'A': [1, 2, 3, 4, 5],  
    'B': [100, 200, 300, 400, 500],  
    'C': [1000, 2000, 3000, 4000, 5000]  
}  
df = pd.DataFrame(data)  
  
# 将 DataFrame 写入 Excel 文件  
wb = Workbook()  
ws = wb.active  
df.to_excel(ws, index=False)  
  
# 设置字体样式  
for row in ws.iter_rows(min_row=1, max_row=1, min_col=1, max_col=3):  
    for cell in row:  
        cell.font = Font(bold=True, color="FFFFFF")  
  
# 设置边框样式  
thin_border = Border(left=Side(style='thin'),   
                     right=Side(style='thin'),   
                     top=Side(style='thin'),   
                     bottom=Side(style='thin'))  
  
for row in ws.iter_rows(min_row=1, max_row=6, min_col=1, max_col=3):  
    for cell in row:  
        cell.border = thin_border  
  
# 设置居中对齐  
for row in ws.iter_rows(min_row=1, max_row=6, min_col=1, max_col=3):  
    for cell in row:  
        cell.alignment = Alignment(horizontal='center', vertical='center')  
  
# 保存 Excel 文件  
wb.save('styled.xlsx')

20.批量处理文件

  • 批量处理多个 Excel 文件可以大大提高效率。
import os  
import pandas as pd  
  
# 获取目录中的所有 Excel 文件  
files = [f for f in os.listdir('.') if f.endswith('.xlsx')]  
  
# 循环处理每个文件  
for file in files:  
    # 读取 Excel 文件  
    df = pd.read_excel(file)  
      
    # 进行数据处理  
    df['D'] = df['A'] * df['B']  
      
    # 保存处理后的文件  
    df.to_excel(f'processed_{file}', index=False)

21.实战案例：员工绩效分析

  • 假设你有一个包含员工绩效数据的 Excel 文件，需要分析每位员工的绩效。
import pandas as pd  
  
# 读取 Excel 文件  
performance_data = pd.read_excel('employee_performance.xlsx')  
  
# 计算每位员工的总销售额  
performance_data['Total Sales'] = performance_data['Quantity'] * performance_data['Price']  
  
# 分析每位员工的平均销售额  
average_sales = performance_data.groupby('Employee')['Total Sales'].mean()  
  
# 显示平均销售额  
print(average_sales)
  • 输出：
Employee  
Alice    5000.0  
Bob      6000.0  
Charlie  7000.0  
Dave     8000.0  
Eve      9000.0  
dtype: float64

总结

  • 本文介绍了使用 Python 处理 Excel 文件的各种方法，包括读取、写入、筛选、排序、分组、添加新列、更新单元格、删除列、合并多个文件、数据透视表、数据合并、数据清洗、数据类型转换、数据可视化、多页文件操作、条件格式化、自定义样式以及批量处理等。
  • 通过这些示例，你可以掌握如何高效地管理和分析 Excel 数据。
    图片

总结

  • 最后希望你编程学习上不急不躁,按照计划有条不紊推进,把任何一件事做到极致,都是不容易的,加油,努力！相信自己！

文末福利

  • 最后这里免费分享给大家一份Python全套学习资料，希望能帮到那些不满现状，想提升自己却又没有方向的朋友，也可以和我一起来学习交流呀。
包含编程资料、学习路线图、源代码、软件安装包等！【[点击这里]】领取！
  • ① Python所有方向的学习路线图，清楚各个方向要学什么东西
  • ② 100多节Python课程视频，涵盖必备基础、爬虫和数据分析
  • ③ 100多个Python实战案例，学习不再是只会理论
  • ④ 华为出品独家Python漫画教程，手机也能学习

可以扫描下方二维码领取【保证100%免费】 在这里插入图片描述

想学会Python自动化办公？这20个Excel表格操作脚本一定要掌握！
奔跑的蜗牛
04-02 1191
事情是这样的，某天老板突然丢过来一个Excel表格，拍着桌子说：“小李，这个Excel里几千行数据，你给我整理一下，明天早上要用！我当时差点没把手里的奶茶喷出来，心想：几千行？手动改？我这怕不是得改秃了！于是，我默默打开了我的Python神器——pandas和openpyxl，不到十分钟，任务搞定，潇洒下班。老板看着整齐的数据，眼里透着光，转头又给我派了个新活儿……既然自动化办公这么香，那今天就给大家分享20个超实用的Excel操作脚本，让你轻松搞定表格数据处理，成为职场效率王！💡。
Python实例篇：自动操作Excel文件（既简单又特别实用）_python操作excel例子
2301_82243799的博客
05-02 827
— || 大家平时在工作与学习中都会操作到Excel文件格式，特别是很多数据的时候，靠人力去识别操作非常容易出错。今天就带大家用Python来处理Excel文件，让你成为一个别人眼中的秀儿~ |
【数据分析】python判断excel单元格是否为空
Cannta的博客
08-16 6856
python判断单元格是否为空，主要利用pandas的两个方法，先导入pandas模块读取含有空值单元格的excel文件。
详解Python对Excel处理
子午的博客
07-24 1650
通过pandas和openpyxl等第三方库，我们可以方便地读取、写入和修改Excel文件。本文介绍了Python对Excel文件处理的基本方法，并提供了相应的代码示例和详细说明。你可以根据实际需求，进一步探索这些库的其他功能和特性。Excel文件的处理能力将为你的Python应用程序带来更多可能性，帮助你更好地处理和分析数据。
【Python】Python判断Excel单元格的值是否为空
tttzzzqqq2018的博客
04-09 3373
【Python】Python判断Excel单元格的值是否为空
4种Python处理Excel数据的方法！
qq_46094651的博客
08-30 2万+
我们在日常工作中常常见到各种后缀的电子表格，例如最常见的xlsx以及较为常见的csv、xls等格式的表格。同样是电子表格，它们之间有什么区别吗？• xls为Excel早期表格格式。xls格式是Excel2003版本及其以前版本所生成的文件格式。其最大的特点就是：仅有65536行、256列。因此规模过大的数据不可以使用xls格式读写。• xlsx为Excel2007及其之后的表格格式，也是现在Excel表格的主流格式。
python脚本——Excel处理
z099164的博客
07-08 3296
python脚本第一弹——Excel处理 本文旨在为不熟悉python的开发人员提供excel便捷处理工具，以方便日常工作。
100个python脚本合集，适合学习，生活日常等等
04-08
...实例5 sq图片识别 实例68 Python批量新建文件夹并保存日志信息 实例52 Pandas提取指定数据并保存在原Excel工作簿中 实例61 Python制作图形用户界面(GUI)让操作可视化 ...实例50 Python-键提取PDF中的表格到Excel ...
Python操作excel，工作效率提高篇_python对xlsx文档进行操作怎么提速
2401_84266286的博客
04-28 499
上面的代码是对工作簿最基本的操作，新建工作簿和保存工作簿，还有关闭当前工作簿。列出文件夹下所有文件和子文件夹的名称，这是方便总结和查看文件的。批量重命名一个工作簿中的所有工作表，这里面最重要的功能是对工作表worksheets进行操作。批量打印工作表，这里面用到的是workbook.api.PrintOut()，也就是调用打印机上面这段代码是拆分工作簿，原来也是比较简单，遍历原有工作簿中的工作表，然后把他们都copy到新的工作簿工作表中，然后再保存起来就行了。
python-image-downloader:Python脚本可自动从Google图像下载excel工作表中列出的图像
05-01
用户可以根据自己的需求定制Excel表格，如添加自定义的关键词进行搜索，或者直接提供已知的图片链接。通过这种方式，用户可以快速构建个人的图像数据库，而无需手动浏览网页和保存图片。 总的来说，"python-image-...
如何用python操作excel表（最详细版）
最新发布
m0_60862401的博客
02-20 397
【代码】如何用python操作excel表（最详细版）
Python处理Excel，学会这十四个方法，工作量减少大半，2024最新网易Python面经
2401_84182020的博客
04-10 801
不知道你们用的什么环境，我一般都是用的Python3.6环境和pycharm解释器，没有软件，或者没有资料，没人解答问题，都可以免费领取（包括今天的代码），过几天我还会做个视频教程出来，有需要也可以领取~给大家准备的学习资料包括但不限于：Python 环境、pycharm编辑器/永久激活/翻译插件python 零基础视频教程Python 界面开发实战教程Python 爬虫实战教程Python 数据分析实战教程python 游戏开发实战教程Python 电子书100本。
表格再也难不到你，教大家13个Python处理Excel表格常用技巧
weixin_44099558的博客
12-28 2540
入职数据岗快两个月了，多数时间还是和excel打交道。以至于上周想写下Python，却发觉有点生疏，突然慌了起来，也想起以前看过的一篇学Python的文章，大意是自从学了Python后就逼迫自己不用Excel，所有操作用Python实现。目的是巩固Python，与增强数据处理能力。这也是我写这篇文章的初衷。废话不说了，直接进入正题。 学习Python中有不明白推荐加入交流裙         ...
用 Python 处理 Excel 的 14 个常用操作！
Trb201013的博客
04-16 8144
这也是我写这篇文章的初衷。废话不说了，直接进入正题。vlookup是excel几乎最常用的公式，一般用于两个表的关联查询等。所以我先把这张表分为两个表。需求：想知道df1的每一个订单对应的利润是多少。利润一列存在于df2的表格中，所以想知道df1的每一个订单对应的利润是多少。用excel的话首先确认订单明细号是唯一值，然后在df1新增一列写：=vlookup(a2,df2!a:h,6,0) ，然后往下拉就ok了。（剩下13个我就不写excel啦）那用python是如何实现的呢？
python处理EXCEL
lldhsds的专栏
05-29 311
在Python中，有多个库可以用来操作Excel文件。其中比较常用的有openpyxl,pandas,xlsxwriter以及xlwings。下面我将分别介绍这些库及其使用方法。
自动化办公：Python如何操控Excel（详细教程）
python03012的博客
03-19 3209
下面这些面试题是都来自阿里、腾讯、字节等一线互联网大厂，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。光学理论是没用的，要学会跟着一起敲代码，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。如果觉得上面的实战案例有点枯燥，可以试试自己用Python编写小游戏，让你的学习过程中增添一点趣味！学习Python常用的开发软件都在这里了！，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。，都是我自己学习时整理的，希望可以帮到你，一起加油！
使用Python处理Excel文件
热门推荐
Hello world
08-14 5万+
引子最近在做一些数据处理和计算的工作，因为数据是以.csv格式保存的，因此刚开始直接用Excel来处理。但是做着做着发现重复的劳动其实并没有多大的意义，于是就想着写个小工具帮着处理。以前正好在一本书上看到过使用Python来处理Excel表格，可惜没有仔细看。于是我到处查找资料，终于算是完成了任务，因此撰写此文就算是总结吧。在这里我还会顺带介绍一下如何处理.csv文件，因为某些情况下这是必须的（后面
Python操作Excel
2021dragon的博客
12-16 7679
xlrd是Python处理Excel表格数据的一个模块，能够对Excel中的数据进行读取。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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