【Python脚本】20个必学的Excel表格操作

最新推荐文章于 2025-04-02 09:18:50 发布
最新推荐文章于 2025-04-02 09:18:50 发布
阅读量3k 收藏 36
点赞数 12
文章标签： python excel 开发语言
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。
本文链接：https://blog.csdn.net/Python_HUHU/article/details/144265336
版权
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

使用python操作excel表格
fishycx的专栏
12-24 735
操作两个表格数据，生成一个表格。使用python 的 xlrd库来实现读取excel数据， 使用 xlwt 来生成excel 表格， 使用tkinter库 实现 GUI 一、读取excel数据 1.xlwt用法说明 xlwt 是 读取、格式化excel表格信息的一个库，xls，xlsx 文件都支持。 xlrd.open_workbook(filename=None) #打开电子表格文件以...
Python操作Excel
巧克力配酸奶的博客
12-18 2838
​ Excel是Microsoft（微软）为使用Windows和macOS操作系统开发的一款电子表格软件。Excel凭借其直观的界面、出色的计算功能和图表工具，再加上成功的市场营销，一直以来都是最为流行的个人计算机数据处理软件。当然，Excel也有很多竞品，例如Google Sheets、LibreOffice Calc、Numbers等，这些竞品基本上也能够兼容Excel，至少能够读写较新版本的Excel文件，当然这些不是我们讨论的重点。
全网最全Python操作Excel教程！
zhang120529的博客
02-11 510
全网最全教程，新手小白入门必看！
【Python】用 Python 处理 Excel 的 14 个常用操作
Trb401012的博客
04-16 3595
自从学了Python后就逼迫用Python来处理Excel，所有操作用Python实现。目的是巩固Python，与增强数据处理能力。
python类库26[读写Excel]
weixin_34075551的博客
03-18 445
 一 读取excel 这里介绍一个不错的包xlrs,可以工作在任何平台。这也就意味着你可以在Linux下读取Excel文件。首先，打开workbook；    import xlrdwb = xlrd.open_workbook('myworkbook.xls')检查表单名字：    wb.sheet_names()得到第一张表单，两种方式：索引和名字    sh = wb.sheet_by_in...
Python——处理Excel的10个常用操作
GLB_0627的博客
07-23 6392
通过这些技巧和方法，我们能够在 Python 中更灵活、高效地处理和分析 Excel 数据，为数据科学和数据处理工作提供了丰富的工具和思路。无论是初学者还是有经验的开发者，这些技能都将为处理实际工作中的 Excel 数据提供强大的支持。
用 Python 处理 Excel 的 14 个常用操作！
Trb201013的博客
04-16 7954
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操作excel
qq_32551117的博客
05-08 1682
python操作excel文件需要用到openpyxl包的方法，首先导入包：pip install openpyxl1,创建excel# coding=utf-8from openpyxl import Workbook#创建文件导入Workbookimport timeimport datetimewb=Workbook()wa=wb.active#获取excel第一个sheet页对象wa['A...
python操作Excel表格
weixin_38170065的博客
09-08 271
一、openpyxl介绍安装 1.为什么要学Excel 存测试数据 有时候有大批量的数据，存到TXT文件里面显然不是最佳的方式，我们可以存到Excel里面去，第一方便我们存数据和做数据，另一方面方便我们读取数据，比较明朗。测试的时候就从数据库中读取出来，这点是非常重要的。 存测试结果 可以批量把结果存入到Excel中，也是比较好整理数据点，比我们的TXT要好。 2...
Python对Excel操作详解
08-05
Python对Excel操作详解
python excel操作函数
04-09
python操作excel的读写函数
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 ...
想学会Python自动化办公？这20个Excel表格操作脚本一定要掌握！
最新发布
奔跑的蜗牛
04-02 1125
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
05-02 804
— || 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~ |
大话 Python：python 操作 excel 系列 -- 数据的提取与筛选
2301_82244006的博客
06-25 434
import numpy as npimport pandas as pddata_inner.loc[3]data_inner.loc[0:3]data_inner.loc[:3]data_inner.iloc[:2,:1]data_inner.loc[data_inner[‘name’].isin([‘laowang’,‘laow’])]如果你也是看准了Python，想自学Python，在这里为大家准备了丰厚的免费学习大礼包，带大家一起学习，给大家剖析Python兼职、就业行情前景的这些事儿。Pytho
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
04-28 475
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。
必学的20个Excel表格操作Python脚本
Candyz7的博客
10-14 1477
自定义样式可以让你的 Excel 文件更加美观。# 创建一个新的 DataFramedata = {# 将 DataFrame 写入 Excel 文件# 设置字体样式# 设置边框样式# 设置居中对齐# 保存 Excel 文件本文介绍了使用 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。
Python脚本汇总Excel领料记录自动化计算每日领用次数
Python汇总各单位Excel档领料记录并加总每日领用次数.zip是一个典型的自动化办公Python脚本，它展示了如何通过编程来处理繁琐的数据管理工作，提高工作效率，降低错误率。通过这个脚本，我们可以学习到如何读取和...
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