Python办公自动化-第02讲-Excel文件认知与四大库选型

第 2 讲 | Excel 文件认知与四大库选型

本文是《Python 办公自动化实战》第 2 讲。

一开始学"Python 处理 Excel",你会被四个库名绕晕:openpyxl、pandas、xlwings、XlsxWriter 。

这一讲用一张表把它们讲清楚------选对库,少写十倍代码;选错库,事倍功半。


一、先搞清 Excel 文件的两个格式

这是新手最容易踩的坑,必须先分清:

格式 说明 Python 库支持
.xls Excel 2003 及更早的老格式(二进制) 需 xlrd(旧)/ pyexcel-xls,现代库基本不支持写
.xlsx Excel 2007 以后的新格式(本质是 zip 包着的 XML) openpyxl / pandas / XlsxWriter 都支持
.xlsm 带宏的 xlsx openpyxl 支持(需 keep_vba=True)
.csv 纯文本表格,不是 Excel 格式 pandas 原生支持,最简单

实操建议:

  • 你手上如果是 .xls,先用 Excel 另存为 .xlsx,再交给 Python 处理(一次性的,不用写代码)。
  • 本课程全部围绕 .xlsx。

想验证一下吗? 把任意一个 .xlsx 文件的后缀改成 .zip,解压看看------里面是一堆 XML。这就是为什么"生成 xlsx"其实是在"拼 XML"。


二、四大库的定位(核心)

库 定位 擅长 不擅长 装包名
openpyxl 单元格级操作 样式、公式、条件格式、数据验证、图表、合并单元格 大批量数据运算 openpyxl
pandas 数据处理分析 读写、清洗、筛选、聚合、透视、多表拼接 复杂样式、精细格式 pandas
XlsxWriter 高性能生成报表 从零写大文件、图表最强、性能最好 只能写不能读,不能改已有文件 XlsxWriter
xlwings 驱动 Excel 程序本体 调用 Excel 内置功能/VBA、交互式操作 必须本机装 Excel,速度慢 xlwings

一句话记住:

openpyxl 管"长什么样",pandas 管"数据是什么",XlsxWriter 管"写得快不快、图表好不好看",xlwings 管"Excel 自己会不会"。


三、四个库的最小示例对比

我们用同一份数据(产品、销量、单价、销售额),看四个库的写法差异。

1. openpyxl:精细控制

python 复制代码
from openpyxl import Workbook
from openpyxl.styles import Font, PatternFill

wb = Workbook()
ws = wb.active
ws.append(["产品", "销量", "单价", "销售额"])     # 表头
for row in DATA:
    ws.append(row)

for cell in ws[1]:                                  # 设置表头样式
    cell.font = Font(bold=True, color="FFFFFF")
    cell.fill = PatternFill("solid", fgColor="4472C4")

wb.save("输出.xlsx")

特点 :能精确到"某个单元格的字体颜色",但没有数据处理能力------你不能对它"按产品分组求和"。

2. pandas:一行读写

python 复制代码
import pandas as pd

df = pd.DataFrame(DATA, columns=["产品", "销量", "单价", "销售额"])
df["毛利"] = (df["销售额"] * 0.35).round(2)        # 一行加计算列
df.to_excel("输出.xlsx", index=False)              # 一行写出

特点 :数据处理无敌------筛选、分组、聚合、透视都是一行。但改单元格颜色很麻烦。

3. XlsxWriter:性能与图表

python 复制代码
import xlsxwriter

wb = xlsxwriter.Workbook("输出.xlsx")
ws = wb.add_worksheet("Sheet1")
fmt = wb.add_format({"bold": True, "bg_color": "#4472C4", "font_color": "white"})
ws.write_row(0, 0, HEADER, fmt)

chart = wb.add_chart({"type": "column"})           # 图表支持最丰富
chart.add_series({"name": "销售额", "categories": [...], "values": [...]})
ws.insert_chart("F2", chart)
wb.close()

特点 :写 10 万行数据比 openpyxl 快得多,图表种类最全。但它只能"从零创建",不能读取和修改已有文件。

4. xlwings:驱动 Excel 本体

python 复制代码
import xlwings as xw

app = xw.App(visible=False)
wb = app.books.add()
ws = wb.sheets[0]
ws.range("A1").value = HEADER
ws.range("A2").value = DATA
wb.save("输出.xlsx")
wb.close()
app.quit()

特点 :能调用 Excel 的一切功能(包括 VBA 宏)。但必须装 Excel,而且启动一个 Excel 进程很慢,不适合批量处理。

本课程的 L02_lib_compare.py 就是把这四段代码放在一起跑的,你可以运行看看四个文件的实际效果和体积差异。


四、选库决策路径(照着走)

问题 1:要不要处理数据(去重、筛选、汇总、拼接)?

  • 要 → 用 pandas
  • 不要 → 下一步

问题 2:要不要精细控制格式(颜色、边框、公式、图表)?

  • 要 → 用 openpyxl
  • 不要 → 下一步

问题 3:要不要生成超大数据量 / 复杂图表?

  • 要 → 用 XlsxWriter
  • 不要 → 用 pandas(最简单)

问题 4:需要调用 Excel 的内置功能或宏吗?

  • 要 → 用 xlwings

最常见的组合(覆盖 90% 场景):

复制代码
pandas 处理数据  →  openpyxl 收尾美化

这是本课程大量使用的模式:pandas 负责算,openpyxl 负责美。

看 L07_split_excel.py 里的真实写法:

python 复制代码
import pandas as pd

# pandas:按部门拆分数据
for value, group in df.groupby("部门"):
    group.to_excel(out_dir / f"{value}_明细表.xlsx", index=False)

# openpyxl:拆分完再统一美化表头
from openpyxl import load_workbook
for f in out_dir.glob("*.xlsx"):
    wb = load_workbook(f)
    ws = wb.active
    for cell in ws[1]:
        cell.fill = PatternFill("solid", fgColor="4472C4")
        cell.font = Font(bold=True, color="FFFFFF")
    ws.freeze_panes = "A2"
    wb.save(f)

先算后美,各司其职。


五、三个必须知道的坑

坑 1:订单号/身份证号变成科学计数法

python 复制代码
df = pd.read_excel("数据.xlsx")           # 订单号 00123 变成了 123

原因 :pandas 会自动推断类型,把纯数字列当成数字。

修复:读的时候显式指定类型。

python 复制代码
df = pd.read_excel("数据.xlsx", dtype={"订单号": str, "身份证号": str})

坑 2:写公式后读到的是公式而不是结果

python 复制代码
ws["D2"] = "=B2*C2"                       # 写入公式
wb.save("x.xlsx")

wb2 = load_workbook("x.xlsx")
print(wb2.active["D2"].value)             # 输出 '=B2*C2',不是计算结果!

原因 :openpyxl 不计算公式,Excel 才会算。

修复 :load_workbook(..., data_only=True),且文件必须先用 Excel 打开保存过一次(让 Excel 把结果写进文件)。

坑 3:保存文件时被 Excel 占用

python 复制代码
PermissionError: [Errno 13] Permission denied: '输出.xlsx'

原因 :这个文件正在 Excel 里打开着。

修复 :关掉 Excel 再跑脚本。这也是为什么本课程所有输出都写到 data/output,并建议输出用带时间戳的文件名。


六、完整代码

python 复制代码
# -*- coding: utf-8 -*-
"""
第 2 讲配套脚本:四大 Excel 库对比演示

用同一份数据,分别用 openpyxl / pandas / XlsxWriter / xlwings 写出文件,
直观感受四个库的写法差异与各自擅长的场景。

运行:python lessons/L02_lib_compare.py

说明:
    xlwings 需要本机安装 Excel,未安装时会自动跳过(不影响其他演示)。
"""

from __future__ import annotations

import sys
from pathlib import Path

sys.path.insert(0, str(Path(__file__).resolve().parent.parent))

from utils.helpers import OUTPUT_DIR, ensure_dir, get_logger, human_size  # noqa: E402

log = get_logger("L02")

OUT = ensure_dir(OUTPUT_DIR / "第02讲")

HEADER = ["产品", "销量", "单价", "销售额"]
ROWS = [
    ["智能手环", 120, 199.0, 23880.0],
    ["蓝牙耳机", 98, 249.0, 24402.0],
    ["移动电源", 210, 129.0, 27090.0],
    ["快充数据线", 356, 39.9, 14204.4],
]


# ---------------------------------------------------------------------------
# 1. openpyxl ------ 单元格级控制(样式、公式、图表)
# ---------------------------------------------------------------------------
def demo_openpyxl() -> Path:
    from openpyxl import Workbook
    from openpyxl.styles import Font, PatternFill

    wb = Workbook()
    ws = wb.active
    ws.title = "openpyxl"
    ws.append(HEADER)
    for row in ROWS:
        ws.append(row)
    for cell in ws[1]:
        cell.font = Font(bold=True, color="FFFFFF")
        cell.fill = PatternFill("solid", fgColor="4472C4")

    path = OUT / "对比_openpyxl.xlsx"
    wb.save(path)
    log.info("  openpyxl   -> %s(%s)", path.name, human_size(path.stat().st_size))
    return path


# ---------------------------------------------------------------------------
# 2. pandas ------ 一行读写,数据清洗王者
# ---------------------------------------------------------------------------
def demo_pandas() -> Path:
    import pandas as pd

    df = pd.DataFrame(ROWS, columns=HEADER)
    df["毛利"] = (df["销售额"] * 0.35).round(2)      # 一行加计算列
    path = OUT / "对比_pandas.xlsx"
    df.to_excel(path, index=False)                    # 一行写出
    log.info("  pandas     -> %s(%s)", path.name, human_size(path.stat().st_size))
    log.info("              加计算列、筛选、聚合都只需一行")
    return path


# ---------------------------------------------------------------------------
# 3. XlsxWriter ------ 高性能生成报表(图表最强)
# ---------------------------------------------------------------------------
def demo_xlsxwriter() -> Path:
    import xlsxwriter

    path = OUT / "对比_xlsxwriter.xlsx"
    wb = xlsxwriter.Workbook(str(path))
    ws = wb.add_worksheet("XlsxWriter")

    fmt_header = wb.add_format({"bold": True, "bg_color": "#4472C4", "font_color": "white"})
    fmt_money = wb.add_format({"num_format": "#,##0.00"})

    ws.write_row(0, 0, HEADER, fmt_header)
    for r, row in enumerate(ROWS, start=1):
        ws.write_row(r, 0, row)
        ws.write_number(r, 3, row[3], fmt_money)      # 单独设数字格式

    # 内置图表(XlsxWriter 的图表功能最强)
    chart = wb.add_chart({"type": "column"})
    chart.add_series({
        "name": "销售额",
        "categories": ["XlsxWriter", 1, 0, len(ROWS), 0],
        "values": ["XlsxWriter", 1, 3, len(ROWS), 3],
    })
    chart.set_title({"name": "各产品销售额"})
    ws.insert_chart("F2", chart)

    wb.close()
    log.info("  XlsxWriter -> %s(%s,含原生图表)",
             path.name, human_size(path.stat().st_size))
    return path


# ---------------------------------------------------------------------------
# 4. xlwings ------ 操作"正在运行的 Excel"(需本机装 Excel)
# ---------------------------------------------------------------------------
def demo_xlwings() -> None:
    try:
        import xlwings as xw
    except ImportError:
        log.info("  xlwings    -> 未安装,跳过(需要 Excel 环境,可选)")
        return

    try:
        app = xw.App(visible=False)
        wb = app.books.add()
        ws = wb.sheets[0]
        ws.range("A1").value = HEADER
        ws.range("A2").value = ROWS
        path = OUT / "对比_xlwings.xlsx"
        wb.save(str(path))
        wb.close()
        app.quit()
        log.info("  xlwings   -> %s(直接驱动 Excel 进程)", path.name)
    except Exception as exc:                       # noqa: BLE001
        log.info("  xlwings   -> 跳过(%s)", exc)


def main() -> None:
    log.info("用同一份数据,四个库各写一遍:")
    demo_openpyxl()
    demo_pandas()
    demo_xlsxwriter()
    demo_xlwings()
    log.info("")
    log.info("结论:日常数据处理用 pandas;要精细样式/公式用 openpyxl;")
    log.info("      要生成大量带图表的报表用 XlsxWriter;要驱动 Excel 本体用 xlwings。")
    log.info("第 2 讲演示结束,输出目录:data/output/第02讲/")


if __name__ == "__main__":
    main()

七、本讲小结

  1. .xls 老格式先另存为 .xlsx,现代库只玩 xlsx。
  2. 四个库定位:openpyxl 管样式、pandas 管数据、XlsxWriter 管性能与图表、xlwings 管 Excel 本体。
  3. 黄金组合 :pandas 处理数据 + openpyxl 收尾美化。
  4. 三个坑 :dtype 防丢前导零、公式要 data_only=True 且需 Excel 保存过、输出文件别正被 Excel 打开。

下一讲预告

选型清楚了,第 3 讲正式动手:openpyxl 入门------工作簿、工作表、单元格的读写。

我会讲清楚"三种写入方式该用哪种""怎么读一个已有文件""怎么遍历几万行数据",这些都是后面所有讲次的基础。


本专栏是《Python 办公自动化实战》第 2 讲,共 20 讲。

相关推荐
神明不懂浪漫1 小时前
【第八章】多线程(一)
java·开发语言·经验分享·笔记
用户54817845909501 小时前
Java 与 Python 在大模型与智能体领域的选型
java·python
yiangL_2 小时前
1、Python 输入输出实验|print 与 input 人机交互实践
开发语言·python·人机交互
高洁012 小时前
世界模型的因果内核:从预测表象到理解机制
人工智能·python·深度学习·transformer·迁移学习
数字融合2 小时前
透明化视频动态三维重建空间数据零核心技术
人工智能·python·virtualenv
AI创界者3 小时前
Python 进阶实战(五十四章):大模型推理网关终极架构——分布式全局前缀 Trie 缓存同步与多网关高可用协同调度
人工智能·python·aigc
萧子琦3 小时前
零第三方依赖能做到什么程度?开源两个纯标准库安全小工具:StarShield Forensics 与澄镜 ClearLens
python
用户91294046848423 小时前
Codex 从零到能交付(19):让 Codex 做代码审查:发现问题后怎样验证
python