京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大家在工作和生活中经常会遇到处理EXCEL表格的时候,例如将一个EXCEL表格中的内容处理之后复制到另外一个EXCEL表格之中,或者大批量处理EXCEL,无论是哪种情况,如果我们不借助工具,自己一条条去处理的话,估计要耗费不少的时间和经历。今天小编就教大家如何用python处理EXCEL,希望能帮助大家提高效率。
今天处理EXCEL需要用到python的第三方库:openpyxl。
pip install openpyxl安装。
下面来看一下具体步骤:
一、获取EXCEL
1、读取Excel文件
首先导入相关函数
from openpyxl import load_workbook
# 默认可以读写,如果有需要可以指定
write_only和read_only为True
wb = load_workbook('pythontab.xlsx')
默认打开的文件为可读写,若有需要可以指定参数read_only为True。
2、获取工作表--Sheet
# 获得所有sheet的名称
print(wb.get_sheet_names())
# 根据sheet名称获取sheet
a_sheet = wb.get_sheet_by_name('Sheet1')
# 获取sheet名称
print(a_sheet.title)
# 获得当前正在显示的sheet, 也可以用
wb.get_active_sheet()
sheet = wb.active
3、获取单元格
# 获取某个单元格的值,观察EXCEL发现也是先字母再数字的顺序,也就是先列再行
b4 = sheet['B4']
# 分别返回
print(f'({b4.column}, {b4.row}) is {b4.value}') # 返回的数字就是int型
# 除了用下标的方式获取之外,还能使用cell函数, 换成数字,这个表示B2
b4_too = sheet.cell(row=4. column=2)
print(b4_too.value)
4、获取行和列
sheet.rows是生成器, 里面为每一行的数据,每一行又被一个tuple包裹。
sheet.columns类似,但是里面的每个tuple是每一列的数据。
# 由于按行,因此返回顺序为A1. B1. C1
for row in sheet.rows:
for cell in row:
print(cell.value)
# A1. A2. A3这样的顺序
for column in sheet.columns:
for cell in column:
print(cell.value)
通过上述四步的代码我们就能获取所有单元格的数据。
二、将数据写入Excel
1.工作表
首先导入WorkBook
from openpyxl import Workbook
wb = Workbook()
这样,一个新的工作表就建好了,但是还没被保存。
如果需要指定只写模式,我们可以指定参数write_only=True。通常情况下,默认的可写可读模式就行了。
print(wb.get_sheet_names()) # 提供一个默认名称为Sheet的工作表,如果是office2016新建提供默认名称为Sheet1的工作表
# 直接进行赋值就能够更改工作表的名称
sheet.title = 'Sheet1'
# 新建一个工作表,我们可以指定索引,对其在工作簿中的位置进行合理安排
wb.create_sheet('Data', index=1) # 被安排到第二个工作表,index=0代表第一个位置
# 删除某个工作表
wb.remove(sheet)
del wb[sheet]
2.写入单元格
还能使用公式
# 直接给单元格赋值即可
sheet['A1'] = 'good'
# B9处写入平均值
sheet['B9'] = '=AVERAGE(B2:B8)'
注意:若是读取的时候,则需要加上data_only=True,这样读到B9返回的就是数字,假如不加这个参数,返回的就会是公式本身'=AVERAGE(B2:B8)'
3.append函数
能够一次性添加多行数据,从第一行空白行开始写入。
# 添加一行
row = [1 ,2. 3. 4. 5]
sheet.append(row)
# 添加多行
rows = [
['Number', 'data1', 'data2'],
[2. 40. 30],
[3. 40. 25],
[4. 50. 30],
[5. 30. 10],
[6. 25. 5],
[7. 50. 10],
]
注意:append函数只能按行写入。
4.zip()函数
使用zip我们能够按列写入数据
list(zip(*rows))
# out
[('Number', 2. 3. 4. 5. 6. 7),
('data1', 40. 40. 50. 30. 25. 50),
('data2', 30. 25. 30. 10. 5. 10)]
说明一下:
list(zip(*rows)),首先*rows将列表打散,也可以说是填入了若干个参数,zip从每一个列表中提取第1个值并将其组合成一个tuple,再从每一个列表中提取第2个值,再组合成一个tuple,一直到最短的那个列表的最后一个值提取完毕时结束,其他较长列表的在这之后的值会被舍弃,也就相当于,最后的元组个数是由原来每个参数(可迭代对象)的最短长度决定的。例如:现在随便删掉一个值,最短列表长度为2.那么data2那一列的值就会被全部舍弃。
rows = [
['Number', 'data1', 'data2'],
[2. 40],
[3. 40. 25],
[4. 50. 30],
[5. 30. 10],
[6. 25. 5],
[7. 50. 10],
]
# out
[('Number', 2. 3. 4. 5. 6. 7), ('data1', 40. 40. 50. 30. 25. 50)]
最后zip返回的是zip对象,需要再使用list转换下。
以上就是小编今天跟大家分享的如何使用python处理EXCEL表格的基本操作,获取EXCEL和写入EXCEL,希望对于大家大批量处理EXCEL有所帮助。python是一款功能强大的数据分析工具,我们平时工作中的很多事项都可以用python来进行处理。希望python能帮助大家从繁琐的重复性工作中解脱粗来。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21