Python中处理Excel数据的方法对比(pandas和openpyxl)_开发_开发者

前言

虽然我的编程母语是 Javascript，但是经常会使用python来处理各种格式的数据文件（如.txt、.json、.xlsx .csv、.sav等等）。当然处理得最多的还是Excel文件。为啥用python？好用啊！有各种开箱即用的工具库，如 pandas 和 openpyxl 这俩个好哥们都是我的码中常客。

pandas 和 openpyxl 哪家强？

openpyxl 和 pandas 各有优势，选择需结合具体场景（如数据规模、操作类型、性能需求）。下面我们先从核心功能、性能、适用场景展等几个不同的维度做个对比。

一、openpyxl 与 pandas 核心对比

维度	openpyxl	pandas
核心定位	Excel 文件底层操作（格式、样式、公式、图表）	数据分析与批量处理（清洗、聚合、透视表）
数据处理能力	基础读写，无内置分析函数	强大（筛选、聚合、时间序列分析等）
性能表现	小文件读取更快；增量模式（read_only=True）节省内存	大数据分析快（向量化计算）；全加载内存，大文件易崩溃
格式支持	仅支持 .xlsx/.xlsm 等新格式	支持 Excel、CSV、JSON 等
样式/图表	精细控制（字体、颜色、图表、条件格式）	需依赖 openpyxl 引擎辅助实现

性能测试数据（10,000行数据集）：

数据筛选：pandas 快 10 倍以上（0.02秒 vs 0.25秒）
数据聚合：pandas 快 50 倍（0.01秒 vs 0.5秒）
大文件读取：openpyxl 增量模式内存占用低 60%

二、其他 Excel 处理工具推荐

除 openpyxl 和 pandas 外，以下工具可以满足其他不同场景的需求：

工具	核心优势	适用场景
xlwings	双向交互 Excel vbA，实时更新数据	自动化报表（Python 计算 → Excel 动态展示）
xlsxwriter	专注写入，支持高级格式（图表、条件格式、加密）	生成复杂格式报告（如带动态图表的仪表盘）
xlrd/xlwt	兼容旧版 .xls 格式（xlrd 读取，xlwt 写入）	处理 Excel 2003 及更早版本文件
Tablib	轻量级多格式转换（Excel/CSV/JSON 互转）	快速导出数据，无需复杂分析

三、如何选择工具

可根据下图决策：

Python中处理Excel数据的方法对比(pandas和openpyxl)

四、混合使用策略（推荐场景）

结合两者优势可让效率最大化：

# 示例：openpyxl读取 → pandas处理 → openpyxl美化输出
from openpyxl import load_workbook
import pandas as pd

# 1. openpyxl增量读取大文件
wb = load_workbook("large_file.xlsx", read_only=True)
data = [row for row in wb.active.values][1:]  # 跳过标题
wb.close()

# 2. pandas处理数据
df = pd.DataFrame(data, columns=["Name", "Age"])
df_filtered = df[df["Age"] > 30].groupby("Name").mean()

# 3. openpyxl输出带样式
with pd.ExcelWriter("output.xlsx", engine="openpyxl") as writer:
    df_filtered.to_excel(writer, sheet_name="Shttp://www.devze.comummary")
    workbook = pythonwriter.book
    worksheet = writer.sheets["Summary"]
    # 设置标题样式
    for cell in worksheet[1]:
        cell.font = Font(bold=True, color="FFFFFF")
        cell.fill = PatternFill(start_color="366092", fill_type="solid")

方法补充

Python操作Excel的多种方式Pandas+openpyxl+xlrd

Pandas

pip install pandas

使用pandas操作Excel文件主要涉及读取（read_excel）和写入（to_excel）两个主要操作。

读取Excel文件（read_excel）

pandas的read_excel函数用于读取Excel文件（.xls或.xlsx），并将其内容加载到DataFrame对象中。

语法参数

io: 文件路径或文件对象。
sheet_name: 指定要读取的工作表名称或索引。可以是字符串、整数、字符串列表或None。如果是None，则返回字典，其中包含所有工作表。
header: 指定作为列名的行，默认为0（第一行）。如果文件没有列标题，可以设置为None。
names: 用于结果的列名的列表，如果文件不包含列标题行，应该明确指定此参数。
index_col: 用作行索引的列编号或列名，可以是整数、字符串、整数列表、字符串列表或False（默认）。
usecols: 返回列的列号或列名列表。
dtype: 数据或字典，用于强制指定某些列的数据类型。
engine:js 用于读取Excel文件的引擎。None将尝试使用io的扩展名来选择引擎。如果安装了xlrd，则.xls文件将使用它；否则，将使用openpyxl或odfpy（对于.ods文件）。

案例：

import pandas as pd  
  
# 读取Excel文件  
df = pd.read_excel('example.xlsx', sheet_name='Sheet1', header=0, index_col=None, usecols=None, dtype=None)  
  
# 显示前几行数据  
print(df.head())  
  
# 如果文件没有列标题  
df_no_header = pd.read_excel('example_no_header.xlsx', header=None, names=['Column1', 'Column2', 'Column3'])  
print(df_no_header.head())  
  
# 读取多个工作表  
xls = pd.ExcelFile('example.xlsx')  
df1 = pd.read_excel(xls, 'Sheet1')  
df2 = pd.read_excel(xls, 'Sheet2')  
# 或者  
dfs = pd.read_excel(xls, sheet_name=None)  # 返回一个字典，键为工作表名，值为DataFrame

进阶案例：读取特定单元格范围

虽然read_excel没有直接读取特定单元格范围的参数，但你可以通过usecols和行切片来实现类似的效果。

# 假设我们只想读取'A'列和'C'列的前两行  
df = pd.read_excel('example.xlsx', usecols=['A', 'C']).head(2)

写入Excel文件（to_excel）

DataFrame的to_excel方法用于将DataFrame写入Excel文件。

语法参数

ewww.devze.comxcel_writer: 文件路径或ExcelWriter对象。
sheet_name: 字符串，默认为'Sheet1'。
columns: 要写入的列名列表。
header: 是否写入列名作为Excel文件的第一行，默认为True。
index: 是否将行索引写入Excel文件，默认为True。
startrow 和 startcol: 左上角单元格的行号和列号，用于开始写入，默认为0。
engine: 用于写入Excel文件的引擎，默认为None（将尝试使用openpyxl或xlsxwriter）。

案例

# 创建一个简单的DataFrame  
df = pd.DataFrame({  
    'A': [1, 2, 3, 4],  
    'B': ['foo', 'bar', 'baz', 'qux'],  
    'C': [1.0, 2.1, 3.2, 4.3]  
})  
  
# 写入Excel文件  
df.to_excel('output.xlsx', sheet_name='Sheet1', index=False, header=True)  
  
# 如果要写入多个工作表  
with pd.ExcelWriter('output_multiple_sheets.xlsx') as writer:  
    df.to_excel(writer, sheet_name='Sheet1', index=FalsaiyTJAYlye)  
    df.to_excel(writer, sheet_name='Sheet2', index=False, startrow=10)  # 从第11行开始写入

进阶案例：写入带有样式的Excel

为了写入带有样式的Excel文件，你需要使用ExcelWriter和xlsxwriter或openpyxl引擎（取决于你的需求）。

# 使用xlsxwriter引擎写入带有样式的Excel  
with pd.ExcelWriter('styled_output.xlsx', engine='xlsxwriter') as writer:  
    df.to_excel(writer, sheet_name='Sheet1', index=False)  
    workbook = writer.book  
    worksheet = writer.sheets['Sheet1']  
      
    # 创建一个格式对象  
    format = workbook.add_format({'bold': True, 'font_color': 'red'})  
      
    # 应用格式到特定单元格  
    worksheet.write('A1', 'Styled Cell', format)

注意：xlsxwriter引擎在写入时不支持直接修改已存在的DataFrame内容（如通过DataFrame.style），它主要用于在写入时添加额外的样式或格式。如果你需要复杂的样式处理，可能需要结合使用pandas和openpyxl（或xlsxwriter）的高级功能。

openpyxl

openpyxl 是一个用于读写 Excel 2010 xlsx/xlsm/xltx/xltm 文件的 Python 库。它提供了丰富的接口来操作 Excel 文件，包括读取、修改和写入数据，以及设置样式等。下面我将详细解释如何使用 openpyxl 操作 Excel，并给出案例代码和进阶案例。

安装 openpyxl

首先，确保你已经安装了 openpyxl。如果还没有安装，可以通过 pip 安装：

pip install openpyxl

基本操作

1.加载工作簿

使用 openpyxl.load_workbook() 函数加载一个现有的 Excel 文件。

from openpyxl import load_workbook  
  
wb = load_workbook(filename='example.xlsx')

2.激活工作表

通过工作簿对象获取工作表。你可以通过工作表名称或索引来访问特定的工作表。

# 通过名称  
ws = wb['Sheet1']  
  
# 或者通过索引（索引从0开始）  
ws = wb.worksheets[0]  
  
# 也可以使用 active 属性获取当前活动的工作表  
ws = wb.active

3.读取数据

你可以通过单元格的坐标来读取数据。

# 读取单元格的值  
cell_value = ws['A1'].value  
print(cell_value)  
  
# 遍历行  
for row in ws.iter_rows(values_only=True):  
    print(row)  
  
# 遍历列  
for col in ws.iter_cols(values_only=True):  
    for value in col:  
        print(value)

4.写入数据

你可以直接给单元格赋值来写入数据。

# 写入数据  
ws['B2'] = 'Hello, openpyxl!'  
  
# 保存修改  
wb.save('modified_example.xlsx')

语法参数详解

由于 openpyxl 的功能非常广泛，这里只列举一些常用函数和方法的参数。

load_workbook(filename, read_only=False, data_only=False, keep_VBA=True, ...)
- filename: Excel 文件路径。
- read_only: 是否以只读模式打开文件。
- data_only: 是否只读取单元格的值，忽略公式（默认为 False）。
- keep_vba: 是否保留 VBA 内容（默认为 True）。
Worksheet.iter_rows(min_row=None, max_row=None, min_col=None, max_col=None, values_only=False, ...)
- min_row, max_row, min_col, max_col: 指定迭代的行或列的范围。
- values_only: 是否只迭代单元格的值（默认为 False，迭代单元格对象）。
Worksheet.iter_cols(...) 与 iter_rows 类似，但用于列迭代。

案例代码

读取并修改 Excel

from openpyxl import load_workbook  
  
# 加载工作簿  
wb = load_workbook('example.xlsx')  
  
# 激活工作表  
ws = wb.active  
  
# 读取单元格数据  
print(ws['A1'].value)  
  
# 修改单元格数据  
ws['B2'] = 'New Value'  
  
# 保存修改后的工作簿  
wb.save('modified_example.xlsx')

进阶案例

设置样式

from openpyxl import Workbook  
from openpyxl.styles import Font, Color, Alignment, Border, Side  
  
# 创建一个新的工作簿和工作表  
wb = Workbook()  
ws = wb.active  
  
# 创建一个字体对象  
font = Font(name='Calibri', size=11, bold=True, italic=False, vertAlign=None,  
            underline='none', strike=False, color='FF0000')  
  
# 创建一个对齐对象  
alignment = Alignment(horizontal='general', vertical='bottom',  
                      text_rotation=0, wrap_text=False,  
                      shrink_to_fit=False, indent=0)  
  
# 创建一个边框对象  
thin = Side(border_style="thin", color="000000")  
border = Border(top=thin, left=thin, right=thin, bottom=thin)  
  
# 应用样式到单元格  
ws['A1'].font = font  
ws['A1'].alignment = alignment  
ws['A1'].border = border  
ws['A1'] = 'Styled Cell'  
  
# 保存工作簿  
wb.save('styled_workbook.xlsx')

在进阶案例中，我们展示了如何创建字体、对齐和边框样式，并将它们应用到单元格上。openpyxl 提供了丰富的样式选项，可以满足大多数 Excel 样式设置的需求。

xlrd

xlrd 是一个用于读取 Excel 文件（主要是 .xls 和 .xlsx 格式，尽管对 .xlsx 的支持可能不如 openpyxl 全面）的 Python 库。然而，需要注意的是，从版本 2.0.0 开始，xlrd 仅支持 .xls 格式的文件，不再支持 .xlsx。对于 .xlsx 文件，推荐使用 openpyxl 或 pandas（后者底层可以调用 openpyxl）。

安装 xlrd

首先，确保你已经安装了 xlrd。如果还没有安装，可以通过 pip 安装：

pip install xlrd==1.2.0  # 最好选择一个支持.xlsx的旧版本

基本操作

加载工作簿

使用 xlrd.open_workbook() 函数加载 Excel 文件。

import xlrd  
  
# 加载工作簿  
workbook = xlrd.open_workbook('example.xls')

访问工作表

通过索引或名称访问工作表。

# 通过索引访问（索引从0开始）  
sheet = workbook.sheet_by_index(0)  
  
# 或者通过名称访问  
sheet = workbook.sheet_by_name('Sheet1')

读取数据

使用行号（从0开始）和列号（也从0开始）或单元格名称（如 'A1'）来读取数据。

# 通过行号和列号读取  
cell_value = sheet.cell_value(0, 0)  # 读取第一行第一列的数据  
print(cell_value)  
  
# 或者使用 cell 方法（返回单元格对象，然后可以调用 value 属性）  
cell = sheet.cell(0, 0)  
print(cell.value)  
  
# 通过单元格名称读取（需要安装xlutils或类似库来转换A1表示法）  
# 注意：xlrd本身不直接支持A1表示法，这里仅作为说明  
# 通常，你会通过计算行号和列号来访问单元格

语法参数详解

由于 xlrd 的 API 相对简单，这里主要关注 open_workbook() 和 sheet_by_...() 方法的参数。

xlrd.open_workbook(filename=None, ...)
- filename: Excel 文件路径。
- 其他参数（如 on_demand、formatting_info 等）在较新版本的 xlrd 中可能不再支持或用途有限，特别是针对 .xlsx 文件的处理。
workbook.sheet_by_index(sheetx) 和 workbook.sheet_by_name(sheet_name)
- sheetx: 工作表的索引（整数）。
- sheet_name: 工作表的名称（字符串）。

案例代码

读取 Excel 文件中的数据

import xlrd  
  
# 加载工作簿  
workbook = xlrd.open_workbook('example.xls')  
  
# 通过名称访问工作表  
sheet = workbook.sheet_by_name('Sheet1')  
  
# 读取并打印第一行和第一列的数据  
print(sheet.cell_value(0, 0))  
  
# 遍历所有行和列  
for row_idx in range(sheet.nrows):  
    for col_idx in range(sheet.ncols):  
        print(sheet.cell_value(row_idx, col_idx), end='\t')  
    print()  # 换行