python——Excel处理

Python处理Excel文件的库

大纲

库概述
- pandas
- openpyxl
- xlrd
库的安装
- 安装pandas
- 安装openpyxl
- 安装xlrd
功能介绍
- pandas功能
- openpyxl功能
- xlrd功能
库的使用
- pandas使用方法
  - 读取Excel文件
  - 数据统计计算
  - 写入Excel文件
- openpyxl使用方法
  - Workbook对象
  - 读取和修改Excel文件
  - 自定义格式和样式
  - 插入公式
- xlrd使用方法
  - 读取Excel文件
结合使用场景
- 读取数据
- 处理和计算
- 格式化和保存
具体示例
- 综合示例：使用pandas读取数据，使用openpyxl进行格式化

1. 库概述

1.1 `pandas`

主要功能 ：处理数据分析和计算，支持读取和写入Excel文件（.xls和.xlsx）。
适用场景：数据处理、统计分析、数据清洗等。

1.2 `openpyxl`

主要功能 ：处理.xlsx格式的Excel文件，包括读取、修改、格式化和写入。
适用场景：Excel文件的高级格式化、公式插入、样式设置等。

1.3 `xlrd`

主要功能 ：读取.xls格式的Excel文件，不支持写操作。
适用场景：老版Excel文件的读取。

2. 库的安装

2.1 安装`pandas`

bash 复制代码

pip install pandas
pip install openpyxl  # 处理.xlsx文件
pip install xlrd      # 处理.xls文件

2.2 安装`openpyxl`

bash 复制代码

pip install openpyxl

2.3 安装`xlrd`

bash 复制代码

pip install xlrd

3. 功能介绍

3.1 `pandas`功能

读取Excel文件 ：支持.xls和.xlsx格式，方便快速读取数据。
数据统计计算：提供丰富的数据分析功能，如求和、均值、最大值等。
写入Excel文件：将处理结果保存到新的Excel文件中。

3.2 `openpyxl`功能

读取和修改Excel文件 ：支持.xlsx格式的读取和修改。
自定义格式和样式：支持设置单元格的字体、边框、填充颜色等。
插入公式：支持在单元格中插入Excel公式。
Workbook操作：创建新的工作簿、添加工作表、设置工作簿属性等。

3.3 `xlrd`功能

读取Excel文件 ：支持.xls格式的读取，但不支持写操作。

4. 库的使用

4.1 `pandas`使用方法

读取Excel文件

python 复制代码

import pandas as pd

# 读取.xlsx文件
df = pd.read_excel('example.xlsx', engine='openpyxl')

# 读取.xls文件
df = pd.read_excel('example.xls', engine='xlrd')

数据统计计算

求和

python 复制代码

total = df['ColumnName'].sum()

示例：计算Sales列的总和

python 复制代码

total_sales = df['Sales'].sum()
print(f'Total Sales: {total_sales}')

均值

python 复制代码

mean = df['ColumnName'].mean()

示例：计算Age列的平均值

python 复制代码

average_age = df['Age'].mean()
print(f'Average Age: {average_age}')

最大值和最小值

python 复制代码

max_value = df['ColumnName'].max()
min_value = df['ColumnName'].min()

示例：计算Salary列的最大值和最小值

python 复制代码

max_salary = df['Salary'].max()
min_salary = df['Salary'].min()
print(f'Max Salary: {max_salary}')
print(f'Min Salary: {min_salary}')

分组统计

python 复制代码

grouped = df.groupby('GroupColumn')['NumericColumn'].sum()

示例：按Department分组计算Salary的总和

python 复制代码

department_salaries = df.groupby('Department')['Salary'].sum()
print(department_salaries)

描述性统计
python 复制代码
```
description = df.describe()
```
示例：获取所有数值列的统计摘要
python 复制代码
```
summary = df.describe()
print(summary)
```

写入Excel文件
python 复制代码
```
df.to_excel('output.xlsx', index=False)
```

4.2 `openpyxl`使用方法

Workbook对象

创建工作簿

python 复制代码

from openpyxl import Workbook

# 创建一个新的工作簿
wb = Workbook()

# 选择当前活动的工作表
ws = wb.active

# 为工作表命名
ws.title = "Sheet1"

添加工作表

python 复制代码

# 创建一个新的工作表
ws2 = wb.create_sheet(title="Sheet2")

删除工作表
python 复制代码
```
wb.remove(ws2)
```

读取和修改Excel文件

python 复制代码

from openpyxl import load_workbook

# 加载工作簿
wb = load_workbook('example.xlsx')

# 选择工作表
ws = wb['Sheet1']

自定义格式和样式

python 复制代码

from openpyxl.styles import NamedStyle, Font, Border, Side, PatternFill

# 定义样式
currency_style = NamedStyle(name='currency', number_format='$#,##0.00')
bold_font = Font(bold=True)
thin_border = Border(left=Side(border_style="thin"), 
                     right=Side(border_style="thin"), 
                     top=Side(border_style="thin"), 
                     bottom=Side(border_style="thin"))
fill_color = PatternFill(start_color="FFFF00", end_color="FFFF00", fill_type="solid")

# 应用样式
ws['A1'].style = currency_style
ws['A1'].font = bold_font
ws['A1'].border = thin_border
ws['A1'].fill = fill_color

插入公式

python 复制代码

ws['C1'] = '=SUM(A:A)'  # 在C1单元格插入A列总和公式

保存工作簿
python 复制代码
```
wb.save('output.xlsx')
```

4.3 `xlrd`使用方法

读取Excel文件

python 复制代码

import xlrd

# 打开文件
workbook = xlrd.open_workbook('example.xls')

# 选择工作表
sheet = workbook.sheet_by_index(0)

示例：计算第0列的总和

python 复制代码

total = sum(sheet.cell_value(row, 0) for row in range(sheet.nrows) if isinstance(sheet.cell_value(row, 0), (int, float)))
print(f'Total: {total}')

5. 结合使用场景

在实际工作中，pandas和openpyxl常常结合使用，以充分利用它们的优势：

读取数据 ：使用pandas读取Excel文件，进行数据处理和分析。
处理和计算 ：在pandas中进行数据统计计算。
格式化和保存 ：使用openpyxl对数据进行格式化，并将结果保存为新的Excel文件。

示例：使用pandas读取数据，使用openpyxl进行格式化

python 复制代码

import pandas as pd
from openpyxl import load_workbook
from openpyxl.styles import NamedStyle, Font, PatternFill

# 使用pandas读取数据
df = pd.read_excel('example.xlsx', engine='openpyxl')

# 进行数据处理
total_sales = df['Sales'].sum()

# 将

处理结果写入新的Excel文件
df.to_excel('output.xlsx', index=False)

# 使用openpyxl加载新生成的Excel文件
wb = load_workbook('output.xlsx')
ws = wb['Sheet1']

# 定义样式
currency_style = NamedStyle(name='currency', number_format='$#,##0.00')
bold_font = Font(bold=True)
fill_color = PatternFill(start_color="FFFF00", end_color="FFFF00", fill_type="solid")

# 应用样式
ws['B1'].style = currency_style
ws['B1'].font = bold_font
ws['B1'].fill = fill_color
ws['B1'] = total_sales  # 写入总销售额

# 保存工作簿
wb.save('output.xlsx')

6. 具体示例

读取和处理数据

python 复制代码

import pandas as pd

# 读取数据
df = pd.read_excel('data.xlsx', engine='openpyxl')

# 计算总销售额
total_sales = df['Sales'].sum()
print(f'Total Sales: {total_sales}')

格式化Excel文件

python 复制代码

from openpyxl import load_workbook
from openpyxl.styles import Font, PatternFill

# 加载工作簿
wb = load_workbook('data.xlsx')
ws = wb.active

# 定义样式
bold_font = Font(bold=True)
fill_color = PatternFill(start_color="FFFF00", end_color="FFFF00", fill_type="solid")

# 应用样式
ws['A1'].font = bold_font
ws['A1'].fill = fill_color

# 保存工作簿
wb.save('formatted_data.xlsx')

处理旧版Excel文件

python 复制代码

import xlrd

# 打开文件
workbook = xlrd.open_workbook('old_data.xls')

# 选择工作表
sheet = workbook.sheet_by_index(0)

# 计算第0列的总和
total = sum(sheet.cell_value(row, 0) for row in range(sheet.nrows) if isinstance(sheet.cell_value(row, 0), (int, float)))
print(f'Total: {total}')

结论

通过pandas、openpyxl和xlrd这三个库，Python提供了强大的Excel文件处理能力。pandas适合数据分析和处理，openpyxl适合Excel文件的高级操作和格式化，而xlrd则用于读取旧版Excel文件。结合这些库，可以高效地完成Excel文件的读取、处理、格式化和保存等任务。

python——Excel处理

Python处理Excel文件的库

大纲

1. 库概述

1.1 pandas

1.2 openpyxl

1.3 xlrd

2. 库的安装

2.1 安装pandas

2.2 安装openpyxl

2.3 安装xlrd

3. 功能介绍

3.1 pandas功能

3.2 openpyxl功能

3.3 xlrd功能

4. 库的使用

4.1 pandas使用方法

4.2 openpyxl使用方法

4.3 xlrd使用方法

5. 结合使用场景

6. 具体示例

结论

1.1 `pandas`

1.2 `openpyxl`

1.3 `xlrd`

2.1 安装`pandas`

2.2 安装`openpyxl`

2.3 安装`xlrd`

3.1 `pandas`功能

3.2 `openpyxl`功能

3.3 `xlrd`功能

4.1 `pandas`使用方法

4.2 `openpyxl`使用方法

4.3 `xlrd`使用方法