用Python實現的Excel常用操作有哪些

用Python實現的Excel常用操作有哪些

在日常的數據處理和分析工作中，Excel 是一個非常常用的工具。然而，當數據量較大或需要自動化處理時，手動操作 Excel 可能會變得繁瑣且容易出錯。Python 提供了多個庫來幫助我們自動化處理 Excel 文件，其中最常用的是 openpyxl 和 pandas。本文將介紹如何使用 Python 實現一些常見的 Excel 操作。

1. 讀取 Excel 文件

使用 pandas 讀取 Excel 文件

pandas 是一個強大的數據處理庫，它提供了簡單的方法來讀取和寫入 Excel 文件。

import pandas as pd

# 讀取 Excel 文件
df = pd.read_excel('example.xlsx')

# 查看前幾行數據
print(df.head())

使用 openpyxl 讀取 Excel 文件

openpyxl 是一個專門用于處理 Excel 文件的庫，支持 .xlsx 格式。

from openpyxl import load_workbook

# 加載 Excel 文件
wb = load_workbook('example.xlsx')

# 選擇工作表
ws = wb['Sheet1']

# 讀取單元格數據
cell_value = ws['A1'].value
print(cell_value)

2. 寫入 Excel 文件

使用 pandas 寫入 Excel 文件

pandas 可以輕松地將 DataFrame 寫入 Excel 文件。

import pandas as pd

# 創建一個 DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data)

# 寫入 Excel 文件
df.to_excel('output.xlsx', index=False)

使用 openpyxl 寫入 Excel 文件

openpyxl 允許你更精細地控制 Excel 文件的寫入。

from openpyxl import Workbook

# 創建一個新的工作簿
wb = Workbook()

# 選擇默認的工作表
ws = wb.active

# 寫入數據
ws['A1'] = 'Name'
ws['B1'] = 'Age'
ws['A2'] = 'Alice'
ws['B2'] = 25

# 保存文件
wb.save('output.xlsx')

3. 修改 Excel 文件

使用 openpyxl 修改 Excel 文件

openpyxl 允許你修改現有的 Excel 文件。

from openpyxl import load_workbook

# 加載 Excel 文件
wb = load_workbook('example.xlsx')

# 選擇工作表
ws = wb['Sheet1']

# 修改單元格數據
ws['A1'] = 'New Value'

# 保存修改
wb.save('example_modified.xlsx')

4. 處理多個工作表

使用 pandas 處理多個工作表

pandas 可以讀取和寫入多個工作表。

import pandas as pd

# 讀取多個工作表
with pd.ExcelFile('example.xlsx') as xls:
    df1 = pd.read_excel(xls, 'Sheet1')
    df2 = pd.read_excel(xls, 'Sheet2')

# 寫入多個工作表
with pd.ExcelWriter('output.xlsx') as writer:
    df1.to_excel(writer, sheet_name='Sheet1', index=False)
    df2.to_excel(writer, sheet_name='Sheet2', index=False)

使用 openpyxl 處理多個工作表

openpyxl 也支持處理多個工作表。

from openpyxl import load_workbook

# 加載 Excel 文件
wb = load_workbook('example.xlsx')

# 選擇不同的工作表
ws1 = wb['Sheet1']
ws2 = wb['Sheet2']

# 修改不同工作表的數據
ws1['A1'] = 'Sheet1 Value'
ws2['A1'] = 'Sheet2 Value'

# 保存修改
wb.save('example_modified.xlsx')

5. 數據篩選與排序

使用 pandas 進行數據篩選與排序

pandas 提供了強大的數據篩選和排序功能。

import pandas as pd

# 讀取 Excel 文件
df = pd.read_excel('example.xlsx')

# 篩選數據
filtered_df = df[df['Age'] > 30]

# 排序數據
sorted_df = df.sort_values(by='Age', ascending=False)

# 保存篩選和排序后的數據
filtered_df.to_excel('filtered_output.xlsx', index=False)
sorted_df.to_excel('sorted_output.xlsx', index=False)

6. 數據透視表

使用 pandas 創建數據透視表

pandas 可以輕松地創建數據透視表。

import pandas as pd

# 讀取 Excel 文件
df = pd.read_excel('example.xlsx')

# 創建數據透視表
pivot_table = df.pivot_table(values='Age', index='Name', columns='Gender', aggfunc='mean')

# 保存數據透視表
pivot_table.to_excel('pivot_table.xlsx')

7. 圖表生成

使用 openpyxl 生成圖表

openpyxl 支持在 Excel 中生成圖表。

from openpyxl import Workbook
from openpyxl.chart import BarChart, Reference

# 創建一個新的工作簿
wb = Workbook()
ws = wb.active

# 添加數據
data = [
    ['Name', 'Age'],
    ['Alice', 25],
    ['Bob', 30],
    ['Charlie', 35],
]
for row in data:
    ws.append(row)

# 創建圖表
chart = BarChart()
values = Reference(ws, min_col=2, min_row=1, max_row=4)
categories = Reference(ws, min_col=1, min_row=2, max_row=4)
chart.add_data(values, titles_from_data=True)
chart.set_categories(categories)

# 添加圖表到工作表
ws.add_chart(chart, "E1")

# 保存文件
wb.save('chart_output.xlsx')

結論

通過使用 Python 的 pandas 和 openpyxl 庫，我們可以輕松地實現 Excel 文件的讀取、寫入、修改、篩選、排序、數據透視表生成以及圖表生成等常見操作。這些工具不僅提高了數據處理的效率，還使得復雜的操作變得簡單易行。無論是數據分析師還是開發人員，掌握這些技能都將大大提升工作效率。