
来源:早起Python
作者:陈熹、刘早起
大家好,我是早起。
在之前的文章中我们曾详细的讲解了如何使用openpyxl 操作Excel,其实在Python中还有其他可以直接操作 Excel 文件的库,
如 xlwings、xlrd、xlwt 等等,本文就将讲解另一个优秀的库xlwings
开头还是想说一下,各个库之间没有明确的好坏之分,每个库都有其适合的应用场景,
并且xlwings 和 openpyxl 许多区别决定了它们的能力是互为补充:
“
xlwings:需要安装有 Excel 软件,支持 .xls和 .xlsx 格式;可以调用 Excel 文件中 VBA 写好的程序;
和 matplotlib 以及 pandas 的兼容性强
openpyxl:不需要 Excel 软件,仅支持 .xlsx 格式
”
xlwings 是一个非标准库,需要在命令行中安装,在终端(Mac)/命令行(Win)使用pip安装即可,一般不会出现什么问题。
pip install xlwings
对 xlwings 的核心理解就在于下面这张图:
可以看到,和 xlwings 直接对接的是 apps,也就是 Excel 应用程序,然后才是 工作簿 books 和工作表 sheets,这点和 openpyxl 有较大区别,也正是因为此,xlwings 需要依然安装有 Excel 应用程序的环境
使用app打开
import xlwings as xw
app = xw.App(visible=True, add_book=False) # 程序可见,只打开不新建工作薄 app.display_alerts = False
# 警告关闭 app.screen_updating = False # 屏幕更新关闭
这里需要注意,因为 xlwings 是以程序 apps 作为初级操作对象,因此开始和最后都是基于 app 的开和关
path = r"C:Scientific ResearchPython" wb = app.books.open(path + r'practice.xlsx')
wb.save() # 保存文件 wb.close() # 关闭文件 app.quit() # 关闭程序
打开表格又分一下两种情况,即 固定 和 活动:
xw.Book(path + r'practice.xlsx') # 固定打开表格 xw.books.open(path + r'practice.xlsx') #
频繁打开表格
固定和频繁打开涉及到一个概念,称活动对象,它使 xlwings 的操作更显灵活:
# 活动应用程序 app = xw.apps.active # 活动工作簿 wb = xw.books.active
# 在活动app wb = app.books.active # 在特定app # 活动工作表 sheet = xw.sheets.active
# 在活动工作簿 sheet = wb.sheets.active # 在特定工作簿 # 活动工作表的Range xw.Range('A1')
无论是新建还是打开都记得保存工作簿、关闭工作簿、关闭程序
path = r"C:Scientific ResearchPython" wb = app.books.add()
wb.save(path + r'new_practice.xlsx')
wb.close()
app.quit()
示例文件 practice.xlsx 如下:
下面的代码部分不再显示程序的开闭代码,利于直观看到重点:
path = r"C:Scientific ResearchPython" wb = app.books.open(path + r'practice.xlsx') #
类似 openpyxl 中的 sheet = workbook.active sheet = wb.sheets.active #
获取单个单元格的值 A1 = sheet.range('A1').value
print(A1) # 获取横向或纵向多个单元格的值,返回列表 A1_A3 = sheet.range('A1:A3').value
print(A1_A3) # 获取给定范围内多个单元格的值,返回嵌套列表,按行为列表 A1_C4 = sheet.range('A1:C4').value
print(A1_C4)
在 xlwings 中,可以通过 sheet.range 获取一个或多个单元格进行操作,另外也可以不用 sheet.range 获取:
# 获取单个单元格的值 A1 = sheet['A1'].value print(A1) # 获取横向或纵向多个单元格的值,返回列表 A1_A3
= sheet['A1:A3'].value print(A1_A3) # 获取给定范围内多个单元格的值,返回嵌套列表,按行为列表 A1_C4
= sheet['A1:C4'].value print(A1_C4)
无论是单个单元格还是多个单元格,可以用 .value直接获取,输出结果和使用 .range 完全一致,也避免了类似 openpyxl
对于多个单元格需要再建立循环遍历才能获取值。
还有一种类似 pandas 切片获取范围内所有值的方法:
sheet = wb.sheets.active A1_B2 = sheet[:2, :2].value print(A1_B2)
以下为写入 1 个单元格、一行或一列写入多个单元格、写入范围内多个单元格代码
# 写入 1 个单元格 sheet.range('A2').value = '大明' # 一行或一列写入多个单元格 #
横向写入A1:C1 sheet.range('A1').value = [1,2,3] # 纵向写入A1:A3 sheet.range('A1').options(transpose=True).value =
[1,2,3] # 写入范围内多个单元格 sheet.range('A1').options(expand='table').value = [[1,2,3], [4,5,6]]
例如,如果要给 practice.xlsx 添加一行新的记录,代码如下:
import xlwings as xw
app = xw.App(visible=True, add_book=False)
app.display_alerts = False app.screen_updating = False path = r"C:Scientific ResearchPython" wb
= app.books.open(path + r'practice.xlsx')
sheet = wb.sheets.active
sheet.range('A5').value = ['小兰', 23, '女']
wb.save()
wb.close()
app.quit()
有两种方法实现
# 方法一 shape = sheet.used_range.shape print(shape) # 方法二 nrow = sheet.api.UsedRange.Rows.count
ncol = sheet.api.UsedRange.Columns.count print(nrow) print(ncol)
# 输出 print(sheet.range('A1:A2').row_height) print(sheet.range('A1:A2').column_width)
# 修改
sheet.range('A1:A2').row_height = 15 sheet.range('A1:A2').column_width = 10
可以调用Excel公式,这是pandas无法完成的
# 获取公式 print(sheet.range('B2').formula_array) # 写入公式 sheet.range('B2').formula='=SUM(A1,A2)'
当然类似openpyxl等样式修改也是支持的
# 获取颜色 print(sheet.range('C1').color) # 设置颜色 sheet.range('C1').color = (255, 0, 120) #
清除颜色 sheet.range('C1').color = None
以上仅是针对一些常用操作给出代码示例与讲解,更多的操作可以阅读官方文档,大家也可以自己对比一下
xlwings和其他库在部分操作上的异同。未来我们也会更新基于xlwings的办公自动化案例!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12