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
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
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
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
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):
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
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
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
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
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
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
# -*- 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
.xls老格式先另存为.xlsx,现代库只玩 xlsx。- 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。
- 黄金组合 :
pandas 处理数据 + openpyxl 收尾美化。 - 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。