使用Python处理Excel表格

本文将详细阐述如何使用Python处理Excel表格的方法和技巧。

一、读取Excel表格

1、首先，我们需要导入`openpyxl`库来操作Excel文件。

import openpyxl

# 打开Excel文件
workbook = openpyxl.load_workbook('example.xlsx')

# 获取所有工作表的名称
sheets = workbook.sheetnames

2、读取特定工作表的数据。

# 选择工作表
sheet = workbook['Sheet1']

# 获取表格中的数据
data = []
for row in sheet.iter_rows(values_only=True):
    data.append(row)

3、遍历表格中的数据并进行处理。

# 遍历数据
for row in data:
    for cell in row:
        # 处理每个单元格的数据
        print(cell)

二、写入Excel表格

1、导入`openpyxl`库和`datetime`库。

import openpyxl
from datetime import datetime

# 打开Excel文件
workbook = openpyxl.load_workbook('example.xlsx')

# 创建新的工作表
new_sheet = workbook.create_sheet('New Sheet')

# 写入数据
new_sheet['A1'] = 'Hello'
new_sheet['B1'] = 'World'

2、使用循环批量写入数据。

# 写入多行数据
data = [
    ['Name', 'Age', 'Gender'],
    ['Alice', 25, 'Female'],
    ['Bob', 30, 'Male'],
    ['Charlie', 35, 'Male'],
]

for row in data:
    new_sheet.append(row)

三、数据处理与分析

1、对表格中的数据进行筛选和处理。

# 读取特定列的数据
column_data = [cell.value for cell in sheet['A'] if cell.value is not None]

# 筛选满足条件的行
filtered_data = [row for row in data if row[2] == 'Male']

# 对数据进行统计分析
total_age = sum(row[1] for row in data)
average_age = total_age / len(data)

2、使用常用的数据分析库进行更复杂的数据处理。

import pandas as pd

# 读取Excel数据到DataFrame
df = pd.read_excel('example.xlsx', sheet_name='Sheet1')

# 进行数据分析
filtered_df = df[df['Gender'] == 'Male']
average_age = filtered_df['Age'].mean()

四、保存Excel表格

1、保存修改后的Excel文件。

# 保存文件
workbook.save('example_modified.xlsx')

2、另存为其他格式的文件，如CSV。

# 另存为CSV文件
df.to_csv('example.csv', index=False)

通过以上方法，我们可以灵活地使用Python处理Excel表格的读取、写入和数据处理等操作。