京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大家在工作和生活中经常会遇到处理EXCEL表格的时候,例如将一个EXCEL表格中的内容处理之后复制到另外一个EXCEL表格之中,或者大批量处理EXCEL,无论是哪种情况,如果我们不借助工具,自己一条条去处理的话,估计要耗费不少的时间和经历。今天小编就教大家如何用python处理EXCEL,希望能帮助大家提高效率。
今天处理EXCEL需要用到python的第三方库:openpyxl。
pip install openpyxl安装。
下面来看一下具体步骤:
一、获取EXCEL
1、读取Excel文件
首先导入相关函数
from openpyxl import load_workbook
# 默认可以读写,如果有需要可以指定
write_only和read_only为True
wb = load_workbook('pythontab.xlsx')
默认打开的文件为可读写,若有需要可以指定参数read_only为True。
2、获取工作表--Sheet
# 获得所有sheet的名称
print(wb.get_sheet_names())
# 根据sheet名称获取sheet
a_sheet = wb.get_sheet_by_name('Sheet1')
# 获取sheet名称
print(a_sheet.title)
# 获得当前正在显示的sheet, 也可以用
wb.get_active_sheet()
sheet = wb.active
3、获取单元格
# 获取某个单元格的值,观察EXCEL发现也是先字母再数字的顺序,也就是先列再行
b4 = sheet['B4']
# 分别返回
print(f'({b4.column}, {b4.row}) is {b4.value}') # 返回的数字就是int型
# 除了用下标的方式获取之外,还能使用cell函数, 换成数字,这个表示B2
b4_too = sheet.cell(row=4. column=2)
print(b4_too.value)
4、获取行和列
sheet.rows是生成器, 里面为每一行的数据,每一行又被一个tuple包裹。
sheet.columns类似,但是里面的每个tuple是每一列的数据。
# 由于按行,因此返回顺序为A1. B1. C1
for row in sheet.rows:
for cell in row:
print(cell.value)
# A1. A2. A3这样的顺序
for column in sheet.columns:
for cell in column:
print(cell.value)
通过上述四步的代码我们就能获取所有单元格的数据。
二、将数据写入Excel
1.工作表
首先导入WorkBook
from openpyxl import Workbook
wb = Workbook()
这样,一个新的工作表就建好了,但是还没被保存。
如果需要指定只写模式,我们可以指定参数write_only=True。通常情况下,默认的可写可读模式就行了。
print(wb.get_sheet_names()) # 提供一个默认名称为Sheet的工作表,如果是office2016新建提供默认名称为Sheet1的工作表
# 直接进行赋值就能够更改工作表的名称
sheet.title = 'Sheet1'
# 新建一个工作表,我们可以指定索引,对其在工作簿中的位置进行合理安排
wb.create_sheet('Data', index=1) # 被安排到第二个工作表,index=0代表第一个位置
# 删除某个工作表
wb.remove(sheet)
del wb[sheet]
2.写入单元格
还能使用公式
# 直接给单元格赋值即可
sheet['A1'] = 'good'
# B9处写入平均值
sheet['B9'] = '=AVERAGE(B2:B8)'
注意:若是读取的时候,则需要加上data_only=True,这样读到B9返回的就是数字,假如不加这个参数,返回的就会是公式本身'=AVERAGE(B2:B8)'
3.append函数
能够一次性添加多行数据,从第一行空白行开始写入。
# 添加一行
row = [1 ,2. 3. 4. 5]
sheet.append(row)
# 添加多行
rows = [
['Number', 'data1', 'data2'],
[2. 40. 30],
[3. 40. 25],
[4. 50. 30],
[5. 30. 10],
[6. 25. 5],
[7. 50. 10],
]
注意:append函数只能按行写入。
4.zip()函数
使用zip我们能够按列写入数据
list(zip(*rows))
# out
[('Number', 2. 3. 4. 5. 6. 7),
('data1', 40. 40. 50. 30. 25. 50),
('data2', 30. 25. 30. 10. 5. 10)]
说明一下:
list(zip(*rows)),首先*rows将列表打散,也可以说是填入了若干个参数,zip从每一个列表中提取第1个值并将其组合成一个tuple,再从每一个列表中提取第2个值,再组合成一个tuple,一直到最短的那个列表的最后一个值提取完毕时结束,其他较长列表的在这之后的值会被舍弃,也就相当于,最后的元组个数是由原来每个参数(可迭代对象)的最短长度决定的。例如:现在随便删掉一个值,最短列表长度为2.那么data2那一列的值就会被全部舍弃。
rows = [
['Number', 'data1', 'data2'],
[2. 40],
[3. 40. 25],
[4. 50. 30],
[5. 30. 10],
[6. 25. 5],
[7. 50. 10],
]
# out
[('Number', 2. 3. 4. 5. 6. 7), ('data1', 40. 40. 50. 30. 25. 50)]
最后zip返回的是zip对象,需要再使用list转换下。
以上就是小编今天跟大家分享的如何使用python处理EXCEL表格的基本操作,获取EXCEL和写入EXCEL,希望对于大家大批量处理EXCEL有所帮助。python是一款功能强大的数据分析工具,我们平时工作中的很多事项都可以用python来进行处理。希望python能帮助大家从繁琐的重复性工作中解脱粗来。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27对数据分析从业者和学生而言,表结构数据是最基础也最核心的分析载体——CRM系统的用户表、门店的销售明细表、仓库的库存表,都 ...
2025-11-27在业务数据可视化中,热力图(Heat Map)是传递“数据密度与分布特征”的核心工具——它通过颜色深浅直观呈现数据值的高低,让“ ...
2025-11-26在企业数字化转型中,业务数据分析师是连接数据与决策的核心纽带。但“数据分析师”并非单一角色,从初级到高级,其职责边界、能 ...
2025-11-26表格结构数据以“行存样本、列储属性”的规范形态,成为CDA数据分析师最核心的工作载体。从零售门店的销售明细表到电商平台的用 ...
2025-11-26在pandas数据处理工作流中,“列标签”(Column Labels)是连接数据与操作的核心桥梁——它不仅是DataFrame数据结构的“索引标识 ...
2025-11-25Anaconda作为数据科学领域的“瑞士军刀”,集成了Python解释器、conda包管理工具及海量科学计算库,是科研人员、开发者的必备工 ...
2025-11-25在CDA(Certified Data Analyst)数据分析师的日常工作中,表格结构数据是最常接触的“数据形态”——从CRM系统导出的用户信息表 ...
2025-11-25在大数据营销从“粗放投放”向“精准运营”转型的过程中,企业常面临“数据维度繁杂,核心影响因素模糊”的困境——动辄上百个用 ...
2025-11-24当流量红利逐渐消退,“精准触达、高效转化、长效留存”成为企业营销的核心命题。大数据技术的突破,让营销从“广撒网”的粗放模 ...
2025-11-24在商业数据分析的全链路中,报告呈现是CDA(Certified Data Analyst)数据分析师传递价值的“最后一公里”,也是最容易被忽视的 ...
2025-11-24在数据可视化实践中,数据系列与数据标签的混淆是导致图表失效的高频问题——将数据标签的样式调整等同于数据系列的维度优化,或 ...
2025-11-21在数据可视化领域,“静态报表无法展现数据的时间变化与维度关联”是长期痛点——当业务人员需要分析“不同年份的区域销售趋势” ...
2025-11-21