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
需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20