详细解答Pandas库对Excel文件的操作方法

详细解答Pandas库对Excel文件的操作方法

引用

CSDN

1.

https://blog.csdn.net/2301_81121233/article/details/144312455

Pandas是一个强大的数据处理库，它提供了简单易用的接口来操作各种数据格式，包括Excel文件。本文将详细介绍Pandas对Excel文件的各种操作方法，包括读取、写入、追加、处理多个工作表等。

1. 安装必要的库

要使用Pandas读取和写入Excel文件，首先需要安装以下库：

pip install pandas openpyxl

• pandas: 数据处理和分析库。
• openpyxl: 用于读取和写入Excel文件（.xlsx格式）。

如果需要写入Excel文件并保持格式，还可以安装xlsxwriter：

pip install xlsxwriter

2. 读取Excel文件（read_excel）

Pandas提供了read_excel函数来读取Excel文件。你可以指定文件路径、工作表名称、读取的行数等。

基本用法：

import pandas as pd

# 读取Excel文件
df = pd.read_excel('data.xlsx')

# 打印读取的数据
print(df.head())  # 显示前5行数据

常用参数：

• io: Excel文件的路径（必填）。
• sheet_name: 要读取的工作表名称或索引，默认为第一个工作表。如果要读取所有工作表，可以设置为None。
• header: 指定哪一行作为列名，默认为文件的第一行（索引为0）。
• names: 自定义列名，可以传递一个列表。
• usecols: 指定要读取的列，例如usecols="A:C"或usecols=[0,2]。
• nrows: 限制读取的行数。

示例：

# 读取指定工作表
df = pd.read_excel('data.xlsx', sheet_name='Sheet2')

# 读取前10行数据
df = pd.read_excel('data.xlsx', nrows=10)

# 读取指定列
df = pd.read_excel('data.xlsx', usecols="A:C")

# 自定义列名
df = pd.read_excel('data.xlsx', names=['col1', 'col2', 'col3'])

3. 写入Excel文件（to_excel）

Pandas提供了to_excel方法将DataFrame写入Excel文件。你可以指定文件路径、工作表名称等。

基本用法：

import pandas as pd

# 创建一个示例DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data)

# 将DataFrame写入Excel文件
df.to_excel('output.xlsx', index=False)

常用参数：

• excel_writer: Excel文件的路径或ExcelWriter对象。
• sheet_name: 工作表的名称，默认为Sheet1。
• index: 是否写入行索引，默认为True。如果不想写入索引，设置为False。
• header: 是否写入列名，默认为True。
• columns: 指定要写入的列及其顺序，传递一个列名列表。
• engine: 指定使用的引擎，可以选择openpyxl或xlsxwriter。

示例：

# 写入指定工作表名称
df.to_excel('output.xlsx', sheet_name='People', index=False)

# 写入特定列
df.to_excel('output.xlsx', columns=['Name', 'Age'], index=False)

# 使用xlsxwriter引擎
df.to_excel('output.xlsx', engine='xlsxwriter', index=False)

4. 追加写入多个工作表

有时我们需要将多个DataFrame写入同一个Excel文件的不同工作表中。可以使用ExcelWriter结合with语句来实现。

示例：

import pandas as pd

# 创建两个示例DataFrame
df1 = pd.DataFrame({'Name': ['Alice', 'Bob'], 'Age': [25, 30]})
df2 = pd.DataFrame({'Name': ['Charlie', 'David'], 'Age': [35, 40]})

# 使用ExcelWriter追加写入多个工作表
with pd.ExcelWriter('multiple_sheets.xlsx', engine='openpyxl') as writer:
    df1.to_excel(writer, sheet_name='Sheet1', index=False)
    df2.to_excel(writer, sheet_name='Sheet2', index=False)

5. 读取和写入带样式的Excel文件

Pandas本身不支持复杂的样式操作，但可以通过openpyxl或xlsxwriter来实现带样式的Excel文件操作。下面展示如何通过xlsxwriter添加样式。

示例：使用xlsxwriter添加样式

import pandas as pd

# 创建示例DataFrame
df = pd.DataFrame({'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]})

# 使用xlsxwriter写入Excel并应用样式
with pd.ExcelWriter('styled_output.xlsx', engine='xlsxwriter') as writer:
    df.to_excel(writer, sheet_name='Sheet1', index=False)

    # 获取xlsxwriter对象
    workbook = writer.book
    worksheet = writer.sheets['Sheet1']

    # 添加样式
    cell_format = workbook.add_format({'bold': True, 'bg_color': '#FFEB9C', 'font_color': '#9C6500'})

    # 应用样式到特定单元格
    worksheet.conditional_format('B2:B4', {'type': 'cell',
                                           'criteria': '>=',
                                           'value': 30,
                                           'format': cell_format})

解释：

• xlsxwriter提供了丰富的样式设置，如字体、颜色、边框等。
• 通过conditional_format方法，可以对单元格应用条件格式。

6. 读取多个工作表

如果一个Excel文件包含多个工作表，可以使用Pandas一次性读取所有工作表，返回一个字典，每个键是工作表名称，值是该工作表的数据。

示例：

# 读取所有工作表
sheets = pd.read_excel('multiple_sheets.xlsx', sheet_name=None)

# 打印每个工作表的数据
for sheet_name, df in sheets.items():
    print(f"Sheet: {sheet_name}")
    print(df.head())

7. 其他操作

读取Excel文件的表结构：

# 获取Excel文件中所有工作表的名称
sheets = pd.ExcelFile('data.xlsx')
print(sheets.sheet_names)

追加数据到已有Excel文件：

# 先读取原文件，再追加新数据并保存
df_existing = pd.read_excel('output.xlsx')
df_new = pd.DataFrame({'Name': ['Eve'], 'Age': [45]})

# 合并数据并写入
df_combined = pd.concat([df_existing, df_new], ignore_index=True)
df_combined.to_excel('output.xlsx', index=False)

8. 总结

Pandas提供了非常便捷的Excel文件操作方法，包括读取、写入、追加和处理多个工作表。通过结合openpyxl或xlsxwriter，你还可以实现更复杂的样式和格式设置。

常用函数总结：

• 读取Excel文件：pd.read_excel()
• 写入Excel文件：pd.to_excel()
• 读取多个工作表：sheet_name=None
• 追加写入多个工作表：pd.ExcelWriter()

这些功能使得Pandas在处理Excel文件时非常灵活且高效。