Excel 文件结构完全指南-从基础概念到 Python 读取的实用宝典

ZhengEnCi2025-10-18 17:59

Excel 文件结构完全指南 - 从基础概念到 Python 读取的实用宝典

📋 摘要

还在为 Excel 数据读取不全而烦恼？从零基础到高级应用，掌握 pandas、openpyxl 核心库。提供实战场景，解决数据不全、中文乱码等痛点，让 Python 成为你的 Excel 超级助手！

🎯 什么是 Excel

Excel（Microsoft Excel）是微软公司开发的电子表格软件（spreadsheet software），广泛应用于数据处理、分析、可视化等领域。想象一下，Excel 就像一个数字化的账本，可以记录、计算、分析各种数据。

Excel 的核心特点

  • 表格化存储：数据以行列形式整齐排列

  • 公式计算：支持复杂的数学运算和函数

  • 图表可视化：将数据转化为直观的图表

  • 多工作表：一个文件可包含多个数据表

🏗️ Excel 文件结构详解

Excel 文件就像一个多层建筑，每一层都有特定的功能和作用。

文件格式类型

格式 扩展名 特点 适用场景
Excel 97-2003 .xls 二进制格式，文件较大 兼容老版本
Excel 2007+ .xlsx XML 格式，文件较小 现代应用

三层架构结构

graph TD A["📁 Excel 文件
(Workbook)"] --> B["📄 工作表 1
(Worksheet)"] A --> C["📄 工作表 2
(Worksheet)"] A --> D["📄 工作表 N
(Worksheet)"] B --> E["📊 单元格 A1
(Cell)"] B --> F["📊 单元格 B1
(Cell)"] B --> G["📊 单元格 C1
(Cell)"] style A fill:#e1f5fe style B fill:#f3e5f5 style C fill:#f3e5f5 style D fill:#f3e5f5 style E fill:#e8f5e8 style F fill:#e8f5e8 style G fill:#e8f5e8

.xlsx 文件内部结构

.xlsx 文件实际上是一个压缩包，包含多个 XML 文件：

ini 复制代码 
📦 example.xlsx

├── 📄 [Content_Types].xml     # 内容类型定义

├── 📁 _rels/                   # 关系文件

├── 📁 docProps/                # 文档属性

└── 📁 xl/                      # 核心数据

    ├── 📄 workbook.xml         # 工作簿结构

    ├── 📁 worksheets/          # 工作表数据

    │   ├── 📄 sheet1.xml

    │   └── 📄 sheet2.xml

    ├── 📄 styles.xml           # 样式定义

    └── 📄 sharedStrings.xml    # 共享字符串

🔧 Python 读取 Excel 文件原理

Python 读取 Excel 文件的过程就像翻译官，将 Excel 的"语言"翻译成 Python 能理解的"语言"。

读取流程

flowchart TD A["📁 Excel 文件
(.xlsx)"] --> B["🔍 文件格式检测"] B --> C["📦 解压缩文件"] C --> D["📄 解析 XML 文件"] D --> E["🔢 提取数据内容"] E --> F["📊 转换为 DataFrame"] F --> G["✅ Python 数据结构"] style A fill:#e1f5fe style F fill:#e8f5e8 style G fill:#c8e6c9

核心库对比

库名 功能 优势 适用场景
pandas 数据分析 简单易用，功能强大 数据分析、处理
openpyxl Excel 操作 精确控制，支持格式 复杂 Excel 操作
xlrd 只读 .xls 轻量级 简单读取老格式

💻 Python 读取 Excel 代码实战

基础读取方法

方法一：使用 pandas（推荐）
python 复制代码 
import pandas as pd  # 导入 pandas 库，用于数据分析和处理

  


# 基础读取方法

# 读取整个 Excel 文件（默认读取第一个工作表）

df = pd.read_excel('data.xlsx')  # df 是 DataFrame 对象，类似 Excel 表格

print("数据形状:", df.shape)  # shape 返回 (行数, 列数) 的元组

print("前 5 行数据:")

print(df.head())  # head() 默认显示前 5 行，可指定行数如 head(10)

  


# 读取指定工作表

df_sheet1 = pd.read_excel('data.xlsx', sheet_name = 'Sheet1')  # sheet_name 指定工作表名称

print("Sheet1 数据:")

print(df_sheet1.head())

  


# ⚠️ 数据不全问题解决方案

# 1. 检查所有工作表

excel_file = pd.ExcelFile('data.xlsx')  # ExcelFile 对象，用于获取文件信息

print("所有工作表名称:", excel_file.sheet_names)  # sheet_names 返回所有工作表名称列表

  


# 2. 读取所有工作表

all_sheets = pd.read_excel('data.xlsx', sheet_name = None)  # None 表示读取所有工作表

# all_sheets 是一个字典，键是工作表名，值是 DataFrame

for sheet_name, data in all_sheets.items():  # 遍历字典的键值对

    print(f"\n工作表: {sheet_name}")

    print(f"数据形状: {data.shape}")  # 显示每个工作表的数据维度

    print("前 3 行:")

    print(data.head(3))  # 显示前 3 行数据

  


# 3. 完整显示数据（避免省略）

pd.set_option('display.max_rows', None)  # 设置显示所有行，不省略

pd.set_option('display.max_columns', None)  # 设置显示所有列，不省略

df_full = pd.read_excel('data.xlsx')

print("完整数据:")

print(df_full)

  


# 4. 处理合并单元格问题

df_merged = pd.read_excel('data.xlsx', engine = 'openpyxl')  # 使用 openpyxl 引擎处理复杂格式

# 前向填充合并单元格的缺失值

df_merged.fillna(method = 'ffill', inplace = True)  # ffill 表示前向填充，inplace = True 直接修改原数据

print("处理合并单元格后:")

print(df_merged)

  


# 5. 指定数据类型避免解析错误

df_typed = pd.read_excel('data.xlsx', dtype = {'ID': 'str', 'Name': 'str'})  # dtype 指定列的数据类型

print("指定数据类型后:")

print(df_typed.dtypes)  # dtypes 显示每列的数据类型

适用水平：小白（零基础）

方法二：使用 openpyxl（精确控制）
python 复制代码 
from openpyxl import load_workbook  # 导入 openpyxl 库的 load_workbook 函数

  


# 加载工作簿（Workbook）

wb = load_workbook('data.xlsx')  # 加载 Excel 文件，返回 Workbook 对象

print(f"工作簿包含 {len(wb.sheetnames)} 个工作表")  # 获取工作表数量

  


# 获取工作表（Worksheet）

sheet = wb['Sheet1']  # 通过工作表名称获取工作表对象

# 或者使用 wb.active 获取活动工作表（当前选中的工作表）

  


# 读取单个单元格（Cell）

cell_value = sheet['A1'].value  # 获取 A1 单元格的值

print(f"A1 单元格的值: {cell_value}")

  


# 读取整行数据

row_data = []  # 创建空列表存储行数据

for cell in sheet[1]:  # sheet[1] 表示第 1 行，遍历该行的所有单元格

    row_data.append(cell.value)  # 将单元格值添加到列表中

print(f"第 1 行数据: {row_data}")

  


# 读取指定范围

range_data = []  # 创建空列表存储范围数据

for row in sheet['A1:C3']:  # 读取 A1 到 C3 范围的所有行

    row_values = [cell.value for cell in row]  # 列表推导式，获取每行的所有值

    range_data.append(row_values)  # 将行数据添加到范围数据中

print(f"A1:C3 范围数据: {range_data}")

  


# 读取所有数据（遍历所有行）

all_data = []  # 创建空列表存储所有数据

for row in sheet.iter_rows(values_only = True):  # iter_rows 遍历所有行，values_only = True 只获取值

    all_data.append(row)  # 将每行数据添加到列表中

print(f"所有数据: {all_data}")

  


# 获取工作表信息

print(f"工作表名称: {sheet.title}")  # title 属性获取工作表名称

print(f"最大行数: {sheet.max_row}")  # max_row 获取最大行数

print(f"最大列数: {sheet.max_column}")  # max_column 获取最大列数

  


# 读取多个工作表

for sheet_name in wb.sheetnames:  # wb.sheetnames 返回所有工作表名称列表

    current_sheet = wb[sheet_name]  # 获取当前工作表对象

    print(f"\n工作表: {sheet_name}")

    print(f"数据范围: A1:{current_sheet.max_column}{current_sheet.max_row}")  # 显示数据范围

适用水平：初级

高级读取技巧

处理多个工作表
python 复制代码 
import pandas as pd  # 导入 pandas 库

  


# 读取所有工作表

all_sheets = pd.read_excel('data.xlsx', sheet_name = None)  # None 表示读取所有工作表

print("所有工作表名称:", list(all_sheets.keys()))  # keys() 获取字典的所有键（工作表名）

  


# 遍历所有工作表

for sheet_name, df in all_sheets.items():  # items() 返回键值对，sheet_name 是键，df 是值

    print(f"\n工作表: {sheet_name}")

    print(f"数据形状: {df.shape}")  # shape 返回 (行数, 列数)

    print("前 3 行:")

    print(df.head(3))  # head(3) 显示前 3 行数据

  


# 合并多个工作表的数据

combined_data = pd.concat(all_sheets.values(), ignore_index = True)  # concat 合并多个 DataFrame

# ignore_index = True 重新生成索引，避免索引重复

print(f"合并后数据形状: {combined_data.shape}")

适用水平：中级

数据清洗和预处理
python 复制代码 
import pandas as pd  # 导入 pandas 库

  


# 读取数据并处理

df = pd.read_excel('data.xlsx')  # 读取 Excel 文件

print(f"原始数据形状: {df.shape}")  # 显示原始数据维度

  


# 处理空值（删除包含空值的行）

df_cleaned = df.dropna()  # dropna() 删除包含 NaN 值的行

print("删除空值后:", df_cleaned.shape)  # 显示清理后的数据维度

  


# 数据类型转换

df['日期列'] = pd.to_datetime(df['日期列'])  # 将字符串转换为日期时间类型

# to_datetime 可以自动识别常见的日期格式

df['数值列'] = pd.to_numeric(df['数值列'], errors = 'coerce')  # 转换为数值类型

# errors = 'coerce' 表示无法转换的值设为 NaN，而不是报错

  


# 数据筛选（筛选数值列大于 100 的行）

filtered_data = df[df['数值列'] > 100]  # 布尔索引，筛选满足条件的行

print("筛选后数据:", filtered_data.shape)

  


# 数据去重

df_unique = df.drop_duplicates()  # drop_duplicates() 删除重复行

print("去重后数据:", df_unique.shape)

  


# 保存处理后的数据

df_cleaned.to_excel('cleaned_data.xlsx', index = False)  # 保存为 Excel 文件

# index = False 表示不保存行索引

print("数据已保存到 cleaned_data.xlsx")

适用水平：中级

实际应用场景

场景一：学生成绩管理系统
python 复制代码 
import pandas as pd  # 导入 pandas 库

  


# 读取学生成绩表

scores_df = pd.read_excel('student_scores.xlsx')  # 读取学生成绩 Excel 文件

print(f"学生总数: {len(scores_df)}")  # len() 获取学生数量

  


# 计算平均分

scores_df['平均分'] = scores_df[['语文', '数学', '英语']].mean(axis = 1)  # axis = 1 表示按行计算平均值

# mean() 计算平均值，axis = 1 表示对每行的三科成绩求平均

  


# 按平均分排序

sorted_scores = scores_df.sort_values('平均分', ascending = False)  # ascending = False 表示降序排列

# sort_values() 按指定列排序，ascending = False 表示从高到低排序

  


# 输出前 10 名

print("前 10 名学生:")

print(sorted_scores[['姓名', '平均分']].head(10))  # 只显示姓名和平均分两列

  


# 统计各科平均分

subject_avg = scores_df[['语文', '数学', '英语']].mean()  # 默认 axis = 0，按列计算平均值

print("\n各科平均分:")

print(subject_avg)

  


# 找出不及格学生

failed_students = scores_df[scores_df['平均分'] < 60]  # 布尔索引筛选不及格学生

print(f"\n不及格学生数量: {len(failed_students)}")

if len(failed_students) > 0:  # 如果有不及格学生

    print("不及格学生名单:")

    print(failed_students[['姓名', '平均分']])  # 显示不及格学生的姓名和平均分

适用水平：初级

场景二：销售数据分析
python 复制代码 
import pandas as pd  # 导入 pandas 库

  


# 读取销售数据

sales_df = pd.read_excel('sales_data.xlsx')  # 读取销售数据 Excel 文件

print(f"销售记录总数: {len(sales_df)}")  # 显示销售记录数量

  


# 按月份分组统计

monthly_sales = sales_df.groupby('月份')['销售额'].sum()  # groupby 按月份分组，sum 求和

# groupby('月份') 按月份分组，['销售额'].sum() 对销售额求和

print("月度销售统计:")

print(monthly_sales)

  


# 计算同比增长率

sales_df['同比增长率'] = sales_df['销售额'].pct_change() * 100  # pct_change() 计算百分比变化

# pct_change() 计算相邻行的百分比变化，*100 转换为百分比

  


# 找出销售冠军

top_salesperson = sales_df.loc[sales_df['销售额'].idxmax()]  # idxmax() 返回最大值的索引

# loc[] 通过索引定位行，idxmax() 找到销售额最大值的行索引

print(f"\n销售冠军: {top_salesperson['销售员']}")

print(f"销售额: {top_salesperson['销售额']}")

  


# 按产品类别统计

category_stats = sales_df.groupby('产品类别').agg({  # agg() 聚合函数，可以对不同列应用不同函数

    '销售额': ['sum', 'mean', 'count']  # sum 求和，mean 平均值，count 计数

}).round(2)  # round(2) 保留 2 位小数

print("\n产品类别统计:")

print(category_stats)

  


# 计算销售排名

sales_df['销售排名'] = sales_df['销售额'].rank(ascending = False, method = 'dense')

# rank() 计算排名，ascending = False 降序，method = 'dense' 密集排名（无间隔）

print("\n销售排名:")

print(sales_df[['销售员', '销售额', '销售排名']].head(10))  # 显示前 10 名销售员

适用水平：中级

⚠️ 常见问题与解决方案

问题一：pandas 读取数据不全

错误现象 ：使用 pd.read_excel() 读取后，发现数据不完整或缺失

可能原因：

  1. 未指定正确的工作表：Excel 文件有多个工作表，默认只读取第一个

  2. 数据被省略显示：pandas 默认只显示部分数据

  3. 合并单元格问题：合并单元格导致数据缺失

  4. 数据类型解析错误：某些列被错误解析

解决方案：

python 复制代码 
import pandas as pd  # 导入 pandas 库

  


# 1. 检查所有工作表

excel_file = pd.ExcelFile('data.xlsx')  # ExcelFile 对象用于获取文件信息

print("所有工作表:", excel_file.sheet_names)  # sheet_names 属性返回工作表名称列表

  


# 2. 读取指定工作表

df = pd.read_excel('data.xlsx', sheet_name = '目标工作表名')  # sheet_name 指定要读取的工作表

print(f"指定工作表数据形状: {df.shape}")

  


# 3. 读取所有工作表

all_sheets = pd.read_excel('data.xlsx', sheet_name = None)  # None 表示读取所有工作表

print(f"共读取 {len(all_sheets)} 个工作表")

  


# 4. 完整显示数据

pd.set_option('display.max_rows', None)  # 设置显示所有行，不省略

pd.set_option('display.max_columns', None)  # 设置显示所有列，不省略

print("完整数据:")

print(df)

  


# 5. 处理合并单元格

df = pd.read_excel('data.xlsx', engine = 'openpyxl')  # 使用 openpyxl 引擎处理复杂格式

df.fillna(method = 'ffill', inplace = True)  # ffill 前向填充，inplace = True 直接修改原数据

print("处理合并单元格后:")

print(df)

  


# 6. 指定数据类型

df = pd.read_excel('data.xlsx', dtype = {'ID': 'str'})  # dtype 字典指定列的数据类型

print("指定数据类型后:")

print(df.dtypes)  # dtypes 显示每列的数据类型

适用水平：小白

问题二：文件读取失败

错误信息 ：FileNotFoundError: [Errno 2] No such file or directory

解决方案：

python 复制代码 
import os  # 导入 os 模块

  


# 检查文件是否存在

file_path = 'data.xlsx'

if os.path.exists(file_path):  # os.path.exists() 检查文件是否存在

    df = pd.read_excel(file_path)

    print("文件读取成功")

else:

    print(f"文件 {file_path} 不存在")

    # 列出当前目录的文件

    print("当前目录文件:", os.listdir('.'))  # os.listdir() 列出目录中的文件

适用水平：小白

问题三：中文乱码问题

错误信息：Excel 中的中文显示为乱码

解决方案：

python 复制代码 
# 指定编码格式

df = pd.read_excel('data.xlsx', encoding = 'utf-8')  # encoding 指定文件编码

  


# 或者使用 openpyxl（推荐）

from openpyxl import load_workbook

wb = load_workbook('data.xlsx')  # openpyxl 自动处理编码问题

适用水平：初级

问题四：大文件读取缓慢

解决方案：

python 复制代码 
# 分块读取大文件

chunk_size = 1000  # 设置每次读取的行数

chunks = pd.read_excel('large_file.xlsx', chunksize = chunk_size)  # chunksize 分块读取

  


for chunk in chunks:  # 遍历每个数据块

    # 处理每个数据块

    processed_chunk = chunk.dropna()

    print(f"处理了 {len(processed_chunk)} 行数据")

  


# 只读取需要的列

df = pd.read_excel('data.xlsx', usecols = ['列1', '列2', '列3'])  # usecols 指定要读取的列

  


# 指定数据类型减少内存占用

df = pd.read_excel('data.xlsx', dtype = {'ID': 'int32', 'Name': 'string'})  # dtype 指定数据类型

适用水平：高级

📊 性能对比分析

方法 读取速度 内存占用 功能丰富度 推荐指数
pandas ⭐⭐⭐⭐ ⭐⭐⭐ ⭐⭐⭐⭐⭐ ⭐⭐⭐⭐⭐
openpyxl ⭐⭐⭐ ⭐⭐⭐⭐ ⭐⭐⭐⭐ ⭐⭐⭐⭐
xlrd ⭐⭐⭐⭐⭐ ⭐⭐⭐⭐⭐ ⭐⭐ ⭐⭐⭐

🎯 最佳实践建议

1. 选择合适的库

  • 数据分析：优先选择 pandas

  • 格式控制：使用 openpyxl

  • 简单读取：考虑 xlrd

2. 错误处理

python 复制代码 
try:  # try-except 异常处理

    df = pd.read_excel('data.xlsx')

    print("读取成功")

except FileNotFoundError:  # 捕获文件不存在异常

    print("文件不存在")

except Exception as e:  # 捕获其他异常

    print(f"读取失败: {e}")

3. 内存优化

python 复制代码 
# 只读取需要的列

df = pd.read_excel('data.xlsx', usecols = ['列1', '列2', '列3'])

  


# 指定数据类型

df = pd.read_excel('data.xlsx', dtype = {'ID': 'int32', 'Name': 'string'})

📚 学习路径建议

小白（零基础）

  1. 学习 Excel 基本概念

  2. 掌握 pandas 基础用法

  3. 练习简单的数据读取

初级开发者

  1. 深入学习 pandas 数据处理

  2. 了解 openpyxl 精确控制

  3. 掌握数据清洗技巧

中级开发者

  1. 学习数据分析和可视化

  2. 掌握性能优化技巧

  3. 处理复杂的数据结构

高级开发者

  1. 自定义 Excel 处理工具

  2. 开发自动化数据处理流程

  3. 优化大规模数据处理性能

🔮 未来发展趋势

  • 云端处理：Excel 文件将更多在云端处理

  • AI 集成：智能数据分析和预测

  • 实时协作：多人同时编辑和处理

  • 自动化：更智能的数据处理流程

📝 总结

Excel 文件结构虽然复杂，但通过 Python 的强大库支持，我们可以轻松读取和处理各种 Excel 数据。无论是简单的数据查看，还是复杂的数据分析，Python 都能提供完美的解决方案。

记住：选择合适的方法，处理常见问题，持续学习新技术，你就能成为 Excel 数据处理的高手！加油，数据处理的路上我们一起前行！ 🚀

厦门工学院人工智能创作坊 -- 郑恩赐

2025 年 10 月 18 日

相关推荐
一百天成为python专家3 小时前
python爬虫入门（小白五分钟从入门到精通）
开发语言·爬虫·python·opencv·yolo·计算机视觉·正则表达式
simon_skywalker3 小时前
第十二章 序列的特殊方法
python
ZhengEnCi3 小时前
FastAPI 项目结构完全指南-从零基础到企业级应用的 Python Web 开发利器
服务器·python·web3
林炳然3 小时前
Python的“一行搞定”风格
python
java1234_小锋3 小时前
TensorFlow2 Python深度学习 - 使用Dropout层解决过拟合问题
python·深度学习·tensorflow·tensorflow2
wanfeng_093 小时前
python爬虫学习
爬虫·python·学习
唐叔在学习3 小时前
Pyinstaller - Python桌面应用打包的首选工具
后端·python·程序员
Victory_orsh4 小时前
“自然搞懂”深度学习系列（基于Pytorch架构）——01初入茅庐
人工智能·pytorch·python·深度学习·算法·机器学习
大模型真好玩4 小时前
LangGraph实战项目：从零手搓DeepResearch（二）——DeepResearch架构设计与实现
人工智能·python·langchain
热门推荐
01BongoCat - 跨平台键盘猫动画工具02GitHub 镜像站点03两千字总结：Codex 国内如何安装和使用的教程，以及如何设置中文回答04UV安装并设置国内源05Linux下V2Ray安装配置指南06GitLab 零基础入门指南：从安装到项目管理全流程07windows找不到gpedit.msc（本地组策略编辑器）08KGG转MP3工具|非KGM文件|解密音频0946个Nano-banana 精选提示词，持续更新中10在VSCode配置Java开发环境的保姆级教程（适配各类AI编程IDE）