本文目录一览：
- 1、一般的工作数据用excel处理还是python处理好
- 2、python和excel的适用范围
- 3、分析excel和python在处理数据时各自的优劣点？
- 4、像Excel一样使用Python（一）
- 5、如何用python读取excel文件?
- 6、怎样在Excel中使用python脚本
一般的工作数据用excel处理还是python处理好
你好：一般的工作数据用office办公软件中的excel表格就可以完全解决，没有必要使用python编程处理。由于python和excel两种相比较而言，后者相对资料丰富、易学和容易掌握等有点，而python虽说容易学，但是毕竟还是一门编程语言，用途当然可以想象。为此，工作一般就是做简单的运算、画图指标等，office软件基本可以满足需求。
python和excel的适用范围
Python语言可以用来作为批处理语言，写一些简单工具，处理些数据，作为其他软件的接口调试等。Python语言可以用来作为函数语言，进行人 工智能 程序的开发，具有Lisp语言的大部分功能。Python语言可以用来作为过程语言，进行我们常见的应用程序开发，可以和VB等语言一样应用。 Python语言可以用来作为面向对象语言，具有大部分面向对象语言的特征，常作为大型应用软件的原型开发，再用C++改写，有些直接用Python来开 发。
excel广泛应用于统计分析、财务管理分析、股票分析和经济、行政管理等各个方面；Excel是Microsoft为使用Windows和Apple Macintosh操作系统的电脑编写的一款电子表格软件。
分析excel和python在处理数据时各自的优劣点？
两者都是数据分析处理工具，excel上手简单，操作界面人性化，小批量数据处理神器；
python需要点编程基础，安装步骤、导入库、编译器、语法让很多人不懂了，但它在扩展性强，存在大量外部扩展库，什么批量合并excel工作簿、批量发送邮件、自动化生成报表之类，虽然这些excel都可以，但涉及到VB语言，远不及python语法简单；但是如果一份几百条数据，需要统计一个结果，excel插入透视表，分类汇总两步搞定，你非要用python，先是导入pandas/numpy,又是xlrd，接着又是groupby，一顿操作猛如虎，看着十分高大上，人家excel2秒钟早已搞定；
数据处理：两者都很熟练的情况下，不考虑数据数量，基本平分秋色，excel成熟体系的快捷键、功能；python丰富的各类外部库；
数据分析：这个的话excel虽然有规划求解、方差分析、T检验之类的工具，但是你要搞个k-mean聚类、决策树之类的，excel是不行的，还有就是处理数据级与运行效率的问题，excel单表100W，能处理得差不多就二三十万，多了就卡死了，python就不存在这个问题。
总而言之，公司日常报表，财务类、考勤类、部门小组业绩类，这些基本excel就可以搞定，但你要搞大数据分析，随随便便几百万条数据，excel表示心有余而力不足。
像Excel一样使用Python（一）
在进行数据处理时，如果数据简单，数量不多，excel是大家的首选。但是当数据众多，类型复杂，需要灵活地显示切片、进行索引、以及排序时，python会更加方便。借助python中的numpy和pandas库，它能快速完成各种任务，包括数据的创建、检查、清洗、预处理、提取、筛选、汇总、统计等。接下来几篇文章，将以excel为参照，介绍python中数据的处理。
提到pandas，那就不得不提两类重要的数据结构，Series和DataFrame，这两类数据结构都是建立在numpy的数组array基础上。与array相比，Series是一个一维的数据集，但是每个数据元素都带有一个索引，有点类似于字典。而DataFrame在数组的基础上，增加了行索引和列索引，类似于Series的字典，或者说是一个列表集。
所以在数据处理前，要安装好numpy , pandas。接下来就看看如何完成一套完整的数据操作。
创建数据表的方法分两种，分别是从外部导入数据，以及直接写入数据。
在python中，也可外部导入xlsx格式文件，使用read_excel()函数：
import pandas as pd
from pandas import DataFrame,Series
data=DataFrame(pd.read_excel('c:/python27/test.xlsx'))
print data
输出：
Gene Size Function
0 arx1 411 NaN
1 arx2 550 monooxygenase
2 arx3 405 aminotransferase
……
即：调用pandas中read_excel属性，来读取文件test.xlsx，并转换成DataFrame格式，赋给变量data。在每一行后，自动分了一个索引值。除了excel，还支持以下格式文件的导入和写入：
Python写入的方法有很多，但还是不如excel方便。常用的例如使用相等长度的字典或numpy数组来创建：
data1 = DataFrame(
{'Gene':['arx1','arx2','arx3'],
'Size':[411,550,405],
'Func':[np.NaN,'monooxygenase','aminotransferase ']})
print data1
输出
Func Gene Size
0 NaN arx1 411
1 monooxyg arx2 550
2 amino arx3 405
分配一个行索引后，自动排序并输出。
在python中，可以使用info()函数查看整个数据的详细信息。
print data.info()
输出
RangeIndex: 7 entries, 0 to 6
Data columns (total 3 columns):
Gene 7 non-null object
Size 7 non-null int64
Function 5 non-null object
dtypes: int64(1), object(2)
memory usage: 240.0+ bytes
None
此外，还可以通过shape, column, index, values, dtypes等函数来查看数据维度、行列组成、所有的值、 数据类型：
print data1.shape
print data1.index
print data1.columns
print data1.dtypes
输出
(3, 3)
RangeIndex(start=0, stop=3, step=1)
Index([u'Func', u'Gene', u'Size'], dtype='object')
Func object
Gene object
Size int64
dtype: object
在excel中可以按“F5”，在“定位条件”中选择“空值”，选中后，输入替换信息，再按“Ctrl+Enter”即可完成替换。
在python中，使用函数 isnull 和 notnull 来检测数据丢失, 包含空值返回True，不包含则返回False。
pd.isnull(data1)
pd.notnull(data1)
也可以使用函数的实例方法，以及加入参数，对某一列进行检查：
print data1['Func'].isnull()
输出
Func Gene Size
0 True False False
1 False False False
2 False False False
再使用fillna对空值进行填充：
data.fillna(value=0)
#用0来填充空值
data['Size'].fillna(data1['Size'].mean())
#用data1中Size列的平均值来填充空值
data['Func']=data['Func'].map(str.strip)
#清理Func列中存在的空格
Excel中可以按“Ctrl+F”，可调出替换对话框，替换相应数据。
Python中，使用replace函数替换：
data['Func'].replace('monooxygenase', 'oxidase')
将Func列中的'monooxygenase'替换成'oxidase'。
Excel中，通过“数据-筛选-高级”可以选择性地看某一列的唯一值。
Python中，使用unique函数查看：
print data['Func'].unique()
输出
[nan u'monooxygenase' u'aminotransferase' u'methyltransferase']
Excel中，通过UPPER、LOWER、PROPER等函数来变成大写、小写、首字母大写。
Python中也有同名函数：
data1['Gene'].str.lower()
Excel中可以通过“数据-删除重复项”来去除重复值。
Python中，可以通过drop_duplicates函数删除重复值：
print data['Func'].drop_duplicates()
输出
0 NaN
1 monooxygenase
2 aminotransferase
3 methyltransferase
Name: Func, dtype: object
还可以设置“ keep=’last’ ”参数，后出现的被保留，先出现的被删除：
print data['Func'].drop_duplicates(keep='last')
输出
2 aminotransferase
3 methyltransferase
6 monooxygenase
8 NaN
Name: Func, dtype: object
内容参考：
Python For Data Analysis
蓝鲸网站分析博客，作者蓝鲸（王彦平）
如何用python读取excel文件?
1.首先说明我是使用的python3.5，我的office版本是2010，首先打开dos命令窗，安装必须的两个库，命令是：
pip3 install xlrd
Pip3 install xlwt
2.准备好excel，例如我的一个工作文件，我放在D盘/百度经验/11.xlsx，只有一个页签A，内容是一些销售数据
3.打开pycharm，新建一个excel.py的文件，首先导入支持库
import xlrdimport xlwt
4.针对刚入门的新手，先介绍三个知识，第一个:获取excel的sheet名称，第二：获取excel行数与列数，第三：获取第几行第几列的具体值，这是最常用的三个知识点
5.贴出代码，具体分析：
(1)要操作excel，首先得打开excel，使用open_workbook(‘路径’)
(2)要获取行与列，使用nrows(行)，ncols(列)
(3)获取具体的值，使用cell(row,col).value
workbook=xlrd.open_workbook(r'E:11.xlsx')print (workbook.sheet_names()) sheet2=workbook.sheet_by_name('A') nrows=sheet2.nrows ncols=sheet2.ncols print(nrows,ncols) cell_A=sheet2.cell(1,1).value print(cell_A)
6.要在excel里写入值，就要使用write属性,重点说明写入是用到xlwt这个支援库，思路是先新建excel，然后新建页签B，然后将一组数据写入到B，最后保存为excel.xls，这里建议保存为2003的格式，大部分电脑都能打开，特别注意保存的excel的路径是在python工作文件的目录下面，贴出代码：
stus = [['年', '月'], ['2018', '10'], ['2017', '9'], ['2016', '8']]Excel = xlwt.Workbook() # 新建excelsheet = Excel.add_sheet('B') #新建页签Brow = 0for stu in stus: col = 0 for s in stu: sheet.write(row, col, s) #开始写入 col = col + 1 row = row + 1Excel.save('Excel.xls') #保存
关于如何用python读取excel文件，环球青藤小编就和大家分享到这里了，学习是永无止境的，学习一项技能更是受益终身，所以，只要肯努力学，什么时候开始都不晚。如果您还想继续了解关于python编程的学习方法及素材等内容，可以点击本站其他文章学习。
怎样在Excel中使用python脚本
一、使用工具：excel、python
二、使用方法和步骤：
1、先安装python2.7，然后配置环境变量，保证python在该环境中，打开开始菜单，找到计算机，然后右键单击它，选择【属性】
2、找到高级系统设置
3、找到环境变量，点击该按钮，打开环境变量设置窗口
4、找到Path系统变量，然后点击【编辑】
5、在这里，确保python的安装目录在，没有的话，添加进去
6、下面就可以安装该插件了
7、双击即可安装，安装过程就是一路点击’下一步。
8、在这里，不要勾选python，如果通过这种方式安装python，你原先安装的python就无法使用了。
9、最后安装完成，打开Excel就可以看到datanitro了
三、注意事项：切记不要勾选python，如果通过这种方式安装python，你原先安装的python就无法使用了。