
作者:星安果
来源:AirPython
1. 前言
在我们日常工作中,经常会使用 Word、Excel、PPT、PDF 等办公软件。但是,经常会遇到一些重复繁琐的事情,这时候手工操作显得效率极其低下;通过python 实现办公自动化变的很有必要。
接下来的 一系列 文章,我将带大家对 Python 办公自动化做一个全面的总结,绝对的干货!
2. 准备
使用 Python 操作 Excel 文件,常见的方式如下:
xlrd 和 xlwt 是操作 Excel 文件最多的两个依赖库。其中,xlrd 负责读取 Excel 文件,xlwt 可以写入数据到 Excel 文件,我们安装这两个依赖库。
# 安装依赖库 pip3 install xlrd pip3 install xlwt
3. xlrd 读取 Excel
使用 xlrd 中的 open_workbook(filepath) 打开本地一个 Excel 文件。
import xlrd # 打开文件,返回一个工作簿对象 wb = xlrd.open_workbook(file_path)
工作簿对象的 nsheets 属性获取 Sheet 数目,sheet_names() 方法返回所有 Sheet 名称的列表。
# 统计sheet数量 sheets_num, sheets_names = wb.nsheets, wb.sheet_names() print('sheet数量一共有:', sheets_num) print('sheet名称分别为:', sheets_names)
筛选出工作簿中的某一个 Sheet 有 2 种方式,分别是:
# 获取某一个sheet # 通过名称或者索引获取 sheet = wb.sheet_by_index(0) # sheet = wb.sheet_by_name('第一个Sheet') print(sheet)
每一个 sheet 对象都可以利用 name、nrows、ncols 获取 Sheet 名称、行数量、列数量。
另外,row_values(index)、col_values(index) 分别用于获取某一行或某一列的数据列表。
# 获取某一个sheet中,包含的行数量、列数量 sheet_name, sheet_row_count, sheet_column_count = sheet.name, sheet.nrows, sheet.ncols print('当前sheet名称为:', sheet_name, ",一共有:", sheet_row_count, "行;有:", sheet_column_count, "列") # 单独获取某一行数据,索引从0开始 # 比如:获取第2行数据 row_datas = sheet.row_values(1) print('第2行数据为:', row_datas) # 单独获取某一列数据,索引从0开始 # 比如:获取第二列数据 column_datas = sheet.col_values(1) print('第2列数据为:', column_datas)
单元格可以通过行索引、列索引,调用 cell(row_index,column_index) 函数获取。需要注意的是,行索引和列索引都是从 0 开始,即:0 代表第一行。在 xlrd 中,单元格的数据类型包含 6 种,用 ctype 属性对应关系如下:
# 获取某一个单元格的数据 # 比如:获取第2行第1列的单元格的数据 one_cell = sheet.cell(1, 0) # 单元格的值 cell_value = one_cell.value print("单元格的值为:", cell_value) # 单元格数据类型 cell_type = one_cell. print("单元格数据类型为:", cell_type)
最后,如果要获取当前 Sheet 所有单元格中的数据,可以通过遍历所有行、列来操作。
# 获取所有单元格的值 print('表格中所有数据如下:') for r in range(sheet.nrows): for i in range(sheet.ncols): print(sheet.cell(r, i).value)
4. xlwt 写入 Excel
如果想实现将数据写入到 Excel 中,xlwt 就很方便了。
首先,使用 xlwt 的 Workbook() 方法创建一个工作簿对象;
然后,使用工作簿对象的 add_sheet(sheetname) 方法新增 Sheet;
import xlwt sheetname = '第一个Sheet' # 创建一个工作簿对象 wb = xlwt.Workbook() # 添加Sheet,通过sheet名称 sheet = wb.add_sheet(sheetname)
接着,通过 sheet 对象的 write() 方法,按照行索引和列索引,将数据写入到对应单元格中去。
# 将数据写入到Sheet中 # 3个参数分别是:行索引(从0开始)、列索引(从0开始)、单元格的值 # 第一行第一列,写入一个数据 # 写入标题 for index, title in enumerate(self.titles): sheet.write(0, index, title) # 写入值 for index_row, row_values in enumerate(self.values): for index_column, column_value in enumerate(row_values): sheet.write(index_row + 1, index_column, column_value)
需要注意的是,最后必须调用工作簿的 save(filepath),才能在本地生成 Excel 文件。
# 保存文件 # 最后保存文件即可 wb.save(filepath)
5. 进阶用法
接下来,聊聊几个常用的进阶用法
1、获取所有可见的 Sheet
在读取 Sheet 数据时,经常需要过滤隐藏的 Sheet
当 sheet 对象的 visibility 属性值为 0 时,代表此 Sheet 在工作簿中是显示的;否则被隐藏了
def get_all_visiable_sheets(self, wb): """ 获取所有可见的sheet :param wb: :return: """ return list(filter(lambda item: item.visibility == 0, wb.sheets())) # 1、获取所有可看见的sheet sheet_visiable = self.get_all_visiable_sheets(wb) print('所有可见的sheet包含:', sheet_visiable)
2、获取 Sheet 可见行或列
某一个 Sheet 中,可能存在部分行、列被隐藏了。
def get_all_visiable_rows(self, sheet): """ 获取某一个sheet中,可见的行 :param sheet: :return: """ result = [index for index in range(sheet.nrows) if sheet.rowinfo_map[index].hidden == 0] return result def get_all_visiable_columns(self, sheet): """ 获取某一个sheet中,可见的列 :param sheet: :return: """ result = [index for index in range(sheet.ncols) if sheet.colinfo_map[index].hidden == 0] return result
3、获取单元格的样式
以获取单元格字体颜色和背景为例。
def get_cell_bg_color(self, wb, sheet, row_index, col_index): """ 获取某一个单元格的背景颜色 :param wb: :param sheet: :param row_index: :param col_index: :return: """ xfx = sheet.cell_xf_index(row_index, col_index) xf = wb.xf_list[xfx] # 字体颜色 font_color = wb.font_list[xf.font_index].colour_index # 背景颜色 bg_color = xf.background.pattern_colour_index return font_color, bg_color
需要注意的是,使用 xlrd 读取单元格的样式,打开工作簿的时候需要显式定义 formatting_info = True,否则会抛出异常。
# 注意:必须设置formatting_info=True,才能正常获取属性 wb = xlrd.open_workbook(file_path, formatting_info=True) sheet = wb.sheet_by_index(0
6. 最后
搭配使用 xlrd、xlwt,基本上能完成大部分的工作,对于一些复杂的功能,比如:复制、分割、筛选等功能,可以用上 xlutils 这个依赖库。需要指出的是,这个组合对 xlsx 的兼容性不太好;如果需要操作 xlsx 文件,需要先转为 xls,然后再进行。
——热门课程推荐:
想从事业务型数据分析师,您可以点击>>>“数据分析师”了解课程详情;
想从事大数据分析师,您可以点击>>>“大数据就业”了解课程详情;
想成为人工智能工程师,您可以点击>>>“人工智能就业”了解课程详情;
想了解Python数据分析,您可以点击>>>“Python数据分析师”了解课程详情;
想咨询互联网运营,你可以点击>>>“互联网运营就业班”了解课程详情;
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA 数据分析师:开启数据职业发展新征程 在数据成为核心生产要素的今天,数据分析师的职业价值愈发凸显。CDA(Certified D ...
2025-07-03从招聘要求看数据分析师的能力素养与职业发展 在数字化浪潮席卷全球的当下,数据已成为企业的核心资产,数据分析师岗位也随 ...
2025-07-03Power BI 中如何控制过滤器选择项目数并在超限时报错 引言 在使用 Power BI 进行数据可视化和分析的过程中,对过滤器的有 ...
2025-07-03把握 CDA 考试时间,开启数据分析职业之路 在数字化转型的时代浪潮下,数据已成为企业决策的核心驱动力。CDA(Certified Da ...
2025-07-02CDA 证书:银行招聘中的 “黄金通行证” 在金融科技飞速发展的当下,银行正加速向数字化、智能化转型,海量数据成为银行精准 ...
2025-07-02探索最优回归方程:数据背后的精准预测密码 在数据分析和统计学的广阔领域中,回归分析是揭示变量之间关系的重要工具,而回 ...
2025-07-02CDA 数据分析师报考条件全解析:开启数据洞察之旅 在当今数字化浪潮席卷全球的时代,数据已成为企业乃至整个社会发展的核心驱 ...
2025-07-01深入解析 SQL 中 CASE 语句条件的执行顺序 在 SQL 编程领域,CASE语句是实现条件逻辑判断、数据转换与分类的重要工 ...
2025-07-01SPSS 中计算三个变量交集的详细指南 在数据分析领域,挖掘变量之间的潜在关系是获取有价值信息的关键步骤。当我们需要探究 ...
2025-07-01CDA 数据分析师:就业前景广阔的新兴职业 在当今数字化时代,数据已成为企业和组织决策的重要依据。数据分析师作为负责收集 ...
2025-06-30探秘卷积层:为何一个卷积层需要两个卷积核 在深度学习的世界里,卷积神经网络(CNN)凭借其强大的特征提取能力 ...
2025-06-30探索 CDA 数据分析师在线课程:开启数据洞察之旅 在数字化浪潮席卷全球的当下,数据已成为企业决策、创新与发展的核心驱 ...
2025-06-303D VLA新范式!CVPR冠军方案BridgeVLA,真机性能提升32% 编辑:LRST 【新智元导读】中科院自动化所提出BridgeVLA模型,通过将 ...
2025-06-30LSTM 为何会产生误差?深入剖析其背后的原因 在深度学习领域,LSTM(Long Short-Term Memory)网络凭借其独特的记忆单元设 ...
2025-06-27LLM进入拖拽时代!只靠Prompt几秒定制大模型,效率飙升12000倍 【新智元导读】最近,来自NUS、UT Austin等机构的研究人员创新 ...
2025-06-27探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26CDA 数据分析师会被 AI 取代吗? 在当今数字化时代,数据的重要性日益凸显,数据分析师成为了众多企业不可或缺的角色 ...
2025-06-26CDA 数据分析师证书考取全攻略 在数字化浪潮汹涌的当下,数据已成为企业乃至整个社会发展的核心驱动力。数据分析师作 ...
2025-06-25人工智能在数据分析的应用场景 在数字化浪潮席卷全球的当下,数据以前所未有的速度增长,传统的数据分析方法逐渐难以满足海 ...
2025-06-25